Este é o aplicativo Linux chamado SimSiam, cuja versão mais recente pode ser baixada como simsiamsourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado SimSiam 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.
CAPTURAS DE TELA:
SimSiam
DESCRIÇÃO:
SimSiam é uma implementação em PyTorch do projeto "Exploring Simple Siamese Representation Learning", de Xinlei Chen e Kaiming He. O projeto apresenta uma abordagem minimalista para o aprendizado autossupervisionado que evita pares negativos, codificadores de momentum ou grandes bancos de memória — complexidades essenciais dos métodos contrastivos anteriores. O SimSiam aprende representações de imagens maximizando a similaridade entre duas visualizações aumentadas da mesma imagem por meio de uma rede neural siamesa com uma operação de gradiente de parada, evitando o colapso de recursos. Este design elegante, porém eficaz, alcança resultados sólidos em benchmarks de aprendizado não supervisionado, como o ImageNet, sem exigir perdas contrastivas. O repositório fornece scripts para pré-treinamento não supervisionado e avaliação linear, usando um backbone ResNet-50 por padrão. É compatível com treinamento distribuído multi-GPU e pode ser ajustado ou transferido para tarefas posteriores, como detecção de objetos, seguindo a mesma configuração do MoCo.
Recursos
- Estrutura mínima de aprendizagem auto-supervisionada sem pares negativos ou codificadores de momento
- Implementação baseada em PyTorch otimizada para treinamento multi-GPU distribuído
- Pipeline de treinamento totalmente reproduzível para ImageNet usando hiperparâmetros padrão do artigo
- Inclui scripts de pré-treinamento não supervisionado e de avaliação linear
- Suporte ao otimizador LARS via NVIDIA Apex para treinamento em lotes grandes
- Compatível com configurações de transferência de detecção de objetos da MoCo
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/simsiam.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.