To aplikacja dla systemu Linux o nazwie DeepCluster, której najnowszą wersję można pobrać jako deepclustersourcecode.tar.gz. Można ją uruchomić online w darmowym hostingu OnWorks dla stacji roboczych.
Pobierz i uruchom bezpłatnie aplikację DeepCluster z OnWorks.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom emulator online OnWorks Linux lub Windows online lub emulator online MACOS z tej witryny.
- 5. W systemie operacyjnym OnWorks Linux, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację, zainstaluj ją i uruchom.
ZDJĘCIA EKRANU:
DeepCluster
OPIS:
DeepCluster to klasyczny, samonadzorowany algorytm uczenia reprezentacji oparty na klastrowaniu, który iteracyjnie grupuje cechy obrazu i wykorzystuje przypisania klastrów jako pseudoetykiety do trenowania sieci. W każdej rundzie cechy generowane przez sieć są klastrowane (np. metodą k-średnich), a identyfikatory klastrów stają się celami nadzoru w kolejnej epoce, zachęcając model do udoskonalania reprezentacji w celu lepszego rozdzielenia grup semantycznych. Ten naprzemienny schemat „klastrowania i trenowania” pomaga modelowi stopniowo odkrywać sensowne struktury bez etykiet. DeepCluster był jednym z pierwszych sukcesów w nienadzorowanym uczeniu cech wizualnych, pokazując, że reformulacja oparta na klastrowaniu może dorównywać nadzorowanym bazom w wielu zadaniach podrzędnych. Repozytorium zawiera kod do ekstrakcji cech, klastrowania, pętli treningowych i testów porównawczych, takich jak sondy liniowe. Ze względu na swoją prostotę i modułową konstrukcję, DeepCluster zainspirował wiele późniejszych metod.
Funkcjonalności
- Uczenie się bez nadzoru poprzez iteracyjne klasterowanie i nadzór pseudo-etykiet
- Przemienny potok: funkcje klastra → używanie identyfikatorów klastra do trenowania sieci
- Obsługa algorytmów k-means lub innych algorytmów klastrowania w przestrzeni cech
- Skrypty szkoleniowe i ewaluacyjne dla zadań podrzędnych (klasyfikacja, wykrywanie)
- Kod modułowy umożliwiający zamianę architektur sieciowych lub metod klastrowania
- Punkt odniesienia dla wielu późniejszych podejść z samodzielnym nadzorem
Język programowania
Python
Kategorie
Tę aplikację można również pobrać ze strony https://sourceforge.net/projects/deepcluster.mirror/. Została ona umieszczona w OnWorks, aby można ją było uruchomić online w najłatwiejszy sposób z jednego z naszych darmowych systemów operacyjnych.