Este é o aplicativo Linux chamado PyCls, cuja versão mais recente pode ser baixada como Sweepcodeforstudyingmodelpopulationstatssourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado PyCls com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
PyCls
DESCRIÇÃO
pycls é uma base de código PyTorch focada em pesquisa de classificação de imagens que enfatiza a reprodutibilidade e linhas de base fortes e transparentes. Ela popularizou famílias como RegNet e oferece suporte a arquiteturas clássicas (ResNet, ResNeXt) com implementações limpas e receitas de treinamento consistentes. O repositório inclui cronogramas, ampliações e configurações de regularização altamente ajustados que facilitam a correspondência da precisão relatada sem suposições. O treinamento distribuído e a precisão mista são de primeira classe, permitindo experimentos rápidos em configurações multi-GPU com configurações simples e declarativas. As definições de modelo são concisas e modulares, facilitando a prototipagem de novos blocos ou a troca de backbones, mantendo o restante do pipeline inalterado. Pesos pré-treinados e scripts de avaliação abrangem conjuntos de dados comuns, e a pilha de registro/métrica foi projetada para comparação rápida entre execuções. Os profissionais usam pycls tanto como uma fábrica de linhas de base quanto como um andaime para novos backbones de classificação.
Recursos
- Implementações de referência das famílias ResNet/ResNeXt/RegNet
- Receitas de treinamento reproduzíveis com cronogramas e aumentos ajustados
- Treinamento de precisão distribuída e mista pronto para uso
- Sistema de configuração declarativa e pipelines de dados limpos
- Pontos de verificação pré-treinados e scripts de avaliação padronizados
- Código de modelo mínimo e modular para iteração arquitetônica rápida
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/pycls.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
