This is the Windows app named Uncertainty Baselines whose latest release can be downloaded as uncertainty-baselinessourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Download en gebruik online gratis deze app genaamd Uncertainty Baselines 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
Onzekerheidsbasislijnen
PRODUCTBESCHRIJVING
Uncertainty Baselines is een verzameling krachtige, goed gedocumenteerde trainingspipelines die het eenvoudig maken om voorspellende onzekerheid in moderne machine learning-modellen te evalueren. In plaats van speelgoedscripts biedt het end-to-end recepten – data-invoer, modelarchitecturen, trainingslussen, evaluatiemetrieken en logging – zodat de resultaten vergelijkbaar zijn tussen runs en onderzoeksgroepen. De bibliotheek omvat canonieke modaliteiten en taken, van beeldclassificatie en NLP tot tabelproblemen, met baselines die zowel deterministische als probabilistische benaderingen bestrijken. Technieken omvatten diepe ensembles, Monte Carlo-dropout, temperatuurschaling, stochastische variationele inferentie, heteroscedastische heads en out-of-distribution detectieworkflows. Elke baseline benadrukt reproduceerbaarheid: vaste seeds, standaard splits en sterke metrieken zoals kalibratiefout, AUROC voor OOD en nauwkeurigheid onder shift.
Kenmerken
- End-to-end, reproduceerbare pijplijnen voor onzekerheidsevaluatie
- Dekking van ensembles, MC-dropout, SVI en kalibratiemethoden
- Gestandaardiseerde metriek voor OOD-detectie en kalibratiekwaliteit
- Basislijnen voor visie-, taal- en tabeltaken
- Duidelijke configuratiebestanden en logging voor eerlijke vergelijkingen
- Sterke standaarden die kunnen worden uitgebreid voor nieuwe onderzoeksideeën
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/uncertainty-baselines.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
