Dit is de Windows-app Theseus, waarvan de nieuwste versie kan worden gedownload als 0.2.2sourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app met de naam Theseus 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:
Theseus
BESCHRIJVING:
Theseus is een bibliotheek voor differentieerbare niet-lineaire optimalisatie waarmee u solvers zoals Gauss-Newton of Levenberg-Marquardt in PyTorch-modellen kunt integreren. Problemen worden weergegeven als factorgrafieken met variabelen op verdeelstukken (bijv. SE(3), SO(3)), waardoor klassieke robotica- en visuele taken – bundelaanpassing, optimalisatie van posegrafieken, hand-oogkalibratie – beknopt en efficiënt kunnen worden beschreven. Omdat oplossingen differentieerbaar zijn, kunt u backpropagate door optimalisatie gebruiken om kostengewichten, feature-extractors of initialisatienetwerken end-to-end te leren. De implementatie ondersteunt batch-optimalisatie op GPU, robuuste verliezen, dempingsstrategieën en aangepaste factoren, waardoor het praktisch is voor realtime systemen. Hulppakketten bieden geometrieprimitieven en hulpprogramma's voor het samenstellen van prioren, relatieve beperkingen en meetmodellen. Theseus overbrugt de kloof tussen klassieke optimalisatie en deep learning en maakt hybride systemen mogelijk die componenten leren.
Kenmerken
- Differentieerbare Gauss-Newton- en Levenberg-Marquardt-oplossers in PyTorch
- Factorgrafiek-API met veelvoudige variabelen zoals SE(3) en SO(3)
- Gebatteerde, GPU-versnelde oplossingen met robuuste verliesfuncties
- Autograd-ondersteuning om kosten, functies of initialisaties van begin tot eind te leren
- Geometriehulpen en herbruikbare factoren voor SLAM en bundelaanpassing
- Uitbreidbaar ontwerp voor aangepaste variabelen, factoren en dempingsbeleid
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/theseus.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.