This is the Linux app named Theseus whose latest release can be downloaded as 0.2.2sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Pobierz i uruchom bezpłatnie aplikację Theseus z systemem 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.
ZRZUTY EKRANU
Ad
Tezeusz
OPIS
Theseus to biblioteka do różniczkowalnej optymalizacji nieliniowej, która umożliwia osadzanie solverów, takich jak Gauss-Newton czy Levenberg-Marquardt, w modelach PyTorch. Problemy są wyrażane jako grafy czynnikowe ze zmiennymi na rozmaitościach (np. SE(3), SO(3)), dzięki czemu klasyczne zadania robotyki i wizji – dopasowywanie pakietów, optymalizacja grafów pozycji, kalibracja ręka-oko – mogą być zwięźle zapisane i efektywnie rozwiązane. Ponieważ rozwiązania są różniczkowalne, można przeprowadzić propagację wsteczną poprzez optymalizację, aby uczyć się wag kosztów, ekstraktorów cech lub sieci inicjalizacji od początku do końca. Implementacja obsługuje optymalizację wsadową na GPU, odporne straty, strategie tłumienia i niestandardowe współczynniki, co czyni ją praktyczną w systemach czasu rzeczywistego. Pakiety pomocnicze dostarczają prymitywy geometryczne i narzędzia do komponowania a priori, ograniczeń względnych i modeli pomiarowych. Theseus łączy w sobie klasyczną optymalizację i głębokie uczenie, umożliwiając tworzenie hybrydowych systemów uczących się komponentów.
Funkcjonalności
- Różniczkowalne solvery Gaussa-Newtona i Levenberga-Marquardta w PyTorch
- API wykresu czynnikowego ze zmiennymi rozmaitości, takimi jak SE(3) i SO(3)
- Rozwiązania wsadowe, przyspieszane przez GPU z solidnymi funkcjami strat
- Wsparcie Autograd umożliwiające kompleksową naukę kosztów, funkcji lub inicjalizacji
- Pomocnicy geometrii i wielokrotnego użytku czynniki dla SLAM i regulacji pakietów
- Rozszerzalna konstrukcja dla niestandardowych zmiennych, współczynników i zasad tłumienia
Język programowania
Python
Kategorie
Tę aplikację można również pobrać ze strony https://sourceforge.net/projects/theseus.mirror/. Została ona umieszczona w OnWorks, aby można ją było najłatwiej uruchomić online z poziomu jednego z naszych darmowych systemów operacyjnych.
