Dit is de Windows-app ConvNeXt V2, waarvan de nieuwste versie kan worden gedownload als ConvNeXt-V2sourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app genaamd ConvNeXt V2 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 een OS OnWorks online emulator vanaf deze website, maar een betere Windows online emulator.
- 5. Ga vanuit het OnWorks Windows-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 en installeer deze.
- 7. Download Wine van de softwarebronnen voor Linux-distributies. Eenmaal geïnstalleerd, kunt u vervolgens dubbelklikken op de app om ze met Wine uit te voeren. Je kunt ook PlayOnLinux proberen, een mooie interface via Wine waarmee je populaire Windows-programma's en -games kunt installeren.
Wine is een manier om Windows-software op Linux uit te voeren, maar zonder dat Windows vereist is. Wine is een open-source Windows-compatibiliteitslaag die Windows-programma's rechtstreeks op elke Linux-desktop kan uitvoeren. In wezen probeert Wine genoeg van Windows opnieuw te implementeren, zodat het al die Windows-applicaties kan draaien zonder Windows echt nodig te hebben.
SCHERMSCHERMEN:
ConvNeXt V2
BESCHRIJVING:
ConvNeXt V2 is een evolutie van de ConvNeXt-architectuur die convolutionele netwerken ontwerpt in combinatie met zelf-supervised learning. De V2-versie introduceert een volledig convolutioneel gemaskeerd auto-encoder (FCMAE)-framework waarbij delen van de afbeelding worden gemaskeerd en het netwerk de ontbrekende content reconstrueert, waarbij convolutionele inductieve bias wordt gecombineerd met krachtige pretraining. Een belangrijke innovatie is een nieuwe Global Response Normalization (GRN)-laag die is toegevoegd aan de ConvNeXt-backbone, die de feature-concurrentie tussen kanalen vergroot. Het resultaat is een convnet dat sterk concurreert met transformerarchitecturen op herkenningsbenchmarks, maar tegelijkertijd efficiënt en hardwarevriendelijk is. De repository biedt officiële PyTorch-implementaties voor meerdere modelgroottes (Atto, Femto, Pico tot en met Huge), conversie van JAX-gewichten, code voor pretraining/fine-tuning en vooraf getrainde controlepunten. Het ondersteunt zowel zelf-supervised pretraining als supervised fine-tuning.
Kenmerken
- Volledig convolutionele gemaskeerde auto-encoder pretraining (FCMAE)
- Global Response Normalization (GRN) om de kanaalconcurrentie te verbeteren
- Verschillende modelgroottes (Atto, Femto, Pico, Tiny, Base, Large, Huge)
- Ondersteuning voor zelf- en begeleide leerpijplijnen
- Vooraf getrainde controlepunten (geconverteerd vanuit JAX) en PyTorch-implementatie
- Hulpprogramma's en code voor training/fine-tuning voor zowel pretrain als eval
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/convnext-v2.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.