Dit is de Windows-app genaamd Pytorch-toolbelt waarvan de nieuwste release kan worden gedownload als PytorchToolbelt0.6.2.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en voer deze app met de naam Pytorch-toolbelt gratis online uit 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.
SCREENSHOTS
Ad
Pytorch-gereedschapsriem
PRODUCTBESCHRIJVING
Een pytorch-toolbelt is een Python-bibliotheek met een set toeters en bellen voor PyTorch voor snelle R&D-prototyping en Kaggle-landbouw. Eenvoudige modelbouw met behulp van flexibele encoder-decoder-architectuur. Modules: CoordConv, SCSE, Hypercolumn, Diepte scheidbare convolutie en meer. GPU-vriendelijke testtijd augmentatie TTA voor segmentatie en classificatie. GPU-vriendelijke gevolgtrekking op grote afbeeldingen (5000 x 5000). Dagelijkse gemeenschappelijke routines (willekeurige seed herstellen/herstellen, hulpprogramma's voor bestandssystemen, statistieken). Verliezen: BinaryFocalLoss, Focal, ReducedFocal, Lovasz, Jaccard en Dice verliezen, Wing Loss en meer. Extra's voor Catalyst-bibliotheek (visualisatie van batchvoorspellingen, aanvullende statistieken). Door hun ontwerp produceren zowel de encoder als de decoder een lijst met tensoren, van fijn (hoge resolutie, geïndexeerd 0) tot grof (lage resolutie) feature maps. Toegang tot alle intermediaire functiekaarten is voordelig als u diepe supervisieverliezen erop wilt toepassen of encoder-decoder of objectdetectietaak.
Voordelen
- Maak Encoder-Decoder FPN-model met vooraf getrainde encoder
- Creëer Encoder-Decoder U-Net-model
- Maak Encoder-Decoder FPN-model met vooraf getrainde encoder
- Wijzig het aantal ingangskanalen voor de encoder
- Tel het aantal parameters in encoder/decoder en andere modules
- Stel meerdere verliezen samen
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/pytorch-toolbelt.mirror/. Het is gehost in OnWorks, zodat het op de gemakkelijkste manier online kan worden uitgevoerd vanaf een van onze gratis besturingssystemen.
