This is the Linux app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Pobierz i uruchom bezpłatnie aplikację ResNeXt 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:
ResNeXt
OPIS:
ResNeXt to głęboka architektura sieci neuronowych do klasyfikacji obrazów, oparta na idei zagregowanych transformacji resztkowych. Zamiast po prostu zwiększać głębokość lub szerokość, ResNeXt wprowadza nowy wymiar zwany kardynalnością, który odnosi się do liczby równoległych ścieżek transformacji (tj. liczby „gałęzi”), które są agregowane. Każda gałąź to mała transformacja (np. blok wąskiego gardła), a ich wyniki są sumowane – umożliwia to bogatszą reprezentację bez nadmiernego rozrostu parametrów. Projekt jest modułowy i jednorodny, co ułatwia skalowanie (poprzez dostrajanie kardynalności, szerokości i głębokości) oraz adaptację w istniejących frameworkach resztkowych. Oficjalne repozytorium oferuje implementację Torch (Lua) z kodem do trenowania, ewaluacji i wstępnego trenowania modeli w ImageNet. W praktyce modele ResNeXt często przewyższają standardowe modele ResNet o porównywalnej złożoności.
Funkcjonalności
- Zagregowane transformacje resztkowe łączące wiele równoległych gałęzi
- Wprowadza „kardynalność” jako nowy wymiar architektoniczny
- Modułowe bloki wąskiego gardła z łatwą skalowalnością w zakresie szerokości/głębokości/kardynalności
- Wdrożenie Torch ze skryptami szkoleniowymi i ewaluacyjnymi
- Wstępnie wytrenowane modele do klasyfikacji ImageNet
- Zgodność z pozostałymi architekturami i łatwa integracja
Język programowania
Luka
Kategorie
Tę aplikację można również pobrać ze strony https://sourceforge.net/projects/resnext.mirror/. Została ona umieszczona w OnWorks, aby można ją było najłatwiej uruchomić online z poziomu jednego z naszych darmowych systemów operacyjnych.