Dit is de Linux-app SimSiam, waarvan de nieuwste versie kan worden gedownload als simsiamsourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app genaamd SimSiam met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
Sim Siam
BESCHRIJVING:
SimSiam is een PyTorch-implementatie van "Exploring Simple Siamese Representation Learning" van Xinlei Chen en Kaiming He. Het project introduceert een minimalistische benadering van zelf-gesuperviseerd leren die negatieve paren, momentum-encoders of grote geheugenbanken vermijdt – belangrijke complexiteiten van eerdere contrastmethoden. SimSiam leert beeldrepresentaties door de gelijkenis tussen twee augmented views van dezelfde afbeelding te maximaliseren via een Siamees neuraal netwerk met een stop-gradientbewerking, waardoor feature collapse wordt voorkomen. Dit elegante maar effectieve ontwerp behaalt sterke resultaten in benchmarks voor on-gesuperviseerd leren zoals ImageNet zonder contrastverliezen. De repository biedt scripts voor zowel on-gesuperviseerde pre-training als lineaire evaluatie, standaard gebruikmakend van een ResNet-50-backbone. Het is compatibel met multi-GPU gedistribueerde training en kan worden verfijnd of overgedragen naar downstream-taken zoals objectdetectie, met dezelfde configuratie als MoCo.
Kenmerken
- Minimaal zelf-supervised learning framework zonder negatieve paren of momentum-encoders
- PyTorch-gebaseerde implementatie geoptimaliseerd voor gedistribueerde multi-GPU-training
- Volledig reproduceerbare trainingspijplijn voor ImageNet met behulp van standaard hyperparameters uit het artikel
- Omvat zowel ongeleide pre-training als lineaire evaluatiescripts
- LARS-optimizerondersteuning via NVIDIA Apex voor grootschalige training
- Compatibel met objectdetectie-overdrachtsconfiguraties van MoCo
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/simsiam.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.