Dit is de Linux-app YouTube-8M, waarvan de nieuwste versie kan worden gedownload als youtube-8msourcecode.zip. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online deze app met de naam YouTube-8M met OnWorks gratis.
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.
SCREENSHOTS
Ad
YouTube-8M
PRODUCTBESCHRIJVING
YouTube-8M is Google's open source startercode en referentie-implementatie voor het trainen en evalueren van machine learning-modellen op de YouTube-8M-dataset, een van de grootste openbaar gemaakte datasets voor videobegrip. De repository biedt een complete pijplijn voor modellering op video- en frameniveau met behulp van TensorFlow, inclusief het lezen van data, modeltraining, evaluatie en inferentie. Het is ontwikkeld ter ondersteuning van de YouTube-8M Video Understanding Challenge (gehost op Kaggle en gepresenteerd op ICCV 2019), waardoor onderzoekers en professionals videoclassificatiemodellen kunnen benchmarken op grootschalige datasets met meer dan miljoenen gelabelde video's. De code laat zien hoe u kenmerken op frameniveau kunt verwerken, logistieke en deep learning-modellen kunt trainen, deze kunt evalueren met behulp van metrieken zoals Global Average Precision (gAP) en Average Average Precision (mAP), en getrainde modellen kunt exporteren voor MediaPipe-inferentie.
Kenmerken
- Biedt TensorFlow-startercode voor het trainen en evalueren van videomodellen
- Ondersteunt pijplijnen voor feature-modellering op frame- en videoniveau
- Bevat hulpmiddelen voor evaluatie, gevolgtrekking en inzendingen voor de Kaggle-wedstrijd
- Compatibel met GPU-versnelling en Google Cloud AI Platform
- Biedt modelexport voor implementatie in MediaPipe voor realtime-inferentie
- Maakt het mogelijk om de instellingen te verfijnen of te trainen op aangepaste TFRecord-gebaseerde datasets
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/youtube-8m.mirror/. Deze is gehost in OnWorks, zodat hij eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
