Jest to aplikacja systemu Windows o nazwie Pytorch-toolbelt, której najnowszą wersję można pobrać jako PytorchToolbelt0.6.2.zip. Można go uruchomić online w darmowym dostawcy usług hostingowych OnWorks dla stacji roboczych.
Pobierz i uruchom online tę aplikację o nazwie Pytorch-toolbelt z OnWorks za darmo.
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 dowolny emulator online systemu operacyjnego OnWorks z tej witryny, ale lepszy emulator online systemu Windows.
- 5. W systemie operacyjnym OnWorks Windows, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację i zainstaluj ją.
- 7. Pobierz Wine z repozytoriów oprogramowania dystrybucji Linuksa. Po zainstalowaniu możesz dwukrotnie kliknąć aplikację, aby uruchomić ją za pomocą Wine. Możesz także wypróbować PlayOnLinux, fantazyjny interfejs w Wine, który pomoże Ci zainstalować popularne programy i gry Windows.
Wine to sposób na uruchamianie oprogramowania Windows w systemie Linux, ale bez systemu Windows. Wine to warstwa kompatybilności z systemem Windows typu open source, która może uruchamiać programy systemu Windows bezpośrednio na dowolnym pulpicie systemu Linux. Zasadniczo Wine próbuje ponownie zaimplementować system Windows od podstaw, aby mógł uruchamiać wszystkie te aplikacje Windows bez faktycznego korzystania z systemu Windows.
ZRZUTY EKRANU
Ad
Pas narzędziowy Pytorch
OPIS
Pytorch-toolbelt to biblioteka Pythona z zestawem dzwonków i gwizdków dla PyTorch do szybkiego prototypowania R&D i farmy Kaggle. Łatwe budowanie modelu przy użyciu elastycznej architektury kodera-dekodera. Moduły: CoordConv, SCSE, Hypercolumn, Depthwise separable splot i więcej. Przyjazne GPU wydłużenie czasu testu TTA do segmentacji i klasyfikacji. Przyjazne GPU wnioskowanie na temat dużych obrazów (5000x5000). Codzienne wspólne procedury (naprawianie/przywracanie losowego materiału siewnego, narzędzia systemu plików, metryki). Straty: BinaryFocalLoss, Focal, ReducedFocal, Lovasz, Jaccard i Dice, Wing Loss i więcej. Dodatki do biblioteki Catalyst (Wizualizacja prognoz wsadowych, dodatkowe metryki). Z założenia zarówno koder, jak i dekoder tworzą listę tensorów, od dokładnych (wysoka rozdzielczość, indeksowana 0) do zgrubnych (niska rozdzielczość) map obiektów. Dostęp do wszystkich map obiektów pośrednich jest korzystny, jeśli chcesz nałożyć na nie głębokie straty nadzoru lub enkoder-dekoder zadania detekcji obiektów.
Korzyści
- Utwórz model Encoder-Decoder FPN ze wstępnie wytrenowanym koderem
- Utwórz model U-Net koder-dekoder
- Utwórz model Encoder-Decoder FPN ze wstępnie wytrenowanym koderem
- Zmień liczbę kanałów wejściowych dla Enkodera
- Policz liczbę parametrów w enkoderze/dekoderze i innych modułach
- Komponuj wiele strat
Język programowania
Python
Kategorie
Jest to aplikacja, którą można również pobrać z https://sourceforge.net/projects/pytorch-toolbelt.mirror/. Został umieszczony w OnWorks, aby można go było uruchomić online w najprostszy sposób z jednego z naszych bezpłatnych systemów operacyjnych.
