This is the Windows app named ConvNeXt whose latest release can be downloaded as ConvNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Baixe e execute online este aplicativo chamado ConvNeXt 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 qualquer emulador on-line OS OnWorks a partir deste site, mas um emulador on-line melhor do Windows.
- 5. No sistema operacional OnWorks Windows 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 e instale-o.
- 7. Baixe o Wine de seus repositórios de software de distribuição Linux. Depois de instalado, você pode clicar duas vezes no aplicativo para executá-lo com o Wine. Você também pode experimentar o PlayOnLinux, uma interface sofisticada do Wine que o ajudará a instalar programas e jogos populares do Windows.
Wine é uma forma de executar software Windows no Linux, mas sem a necessidade de Windows. Wine é uma camada de compatibilidade do Windows de código aberto que pode executar programas do Windows diretamente em qualquer desktop Linux. Essencialmente, o Wine está tentando reimplementar o suficiente do Windows do zero para que possa executar todos os aplicativos do Windows sem realmente precisar do Windows.
CAPTURAS DE TELA:
ConvNeXtGenericName
DESCRIÇÃO:
ConvNeXt é uma arquitetura modernizada de rede neural convolucional (CNN), projetada para rivalizar com os Vision Transformers (ViTs) em precisão e escalabilidade, mantendo a simplicidade e a eficiência das CNNs. Ela revisita os backbones clássicos do estilo ResNet sob a ótica das tendências de design de transformadores — tamanhos de kernel grandes, gargalos invertidos, normalização de camadas e ativações GELU — para preencher a lacuna de desempenho entre convoluções e modelos baseados em atenção. A estrutura hierárquica e limpa do ConvNeXt o torna eficiente tanto para pré-treinamento quanto para ajuste fino em uma ampla gama de tarefas de reconhecimento visual. Ele alcança resultados competitivos ou superiores em conjuntos de dados ImageNet e downstream, sendo mais fácil de implantar e treinar do que transformadores. O repositório fornece modelos pré-treinados, receitas de treinamento e estudos de ablação que demonstram como escolhas incrementais de design coletivamente produzem desempenho de ponta.
Recursos
- Arquitetura modernizada da CNN inspirada nos princípios de design do Vision Transformer
- Grandes convoluções de kernel e blocos de gargalo invertidos para representação aprimorada
- Normalização de camadas e ativação GELU para maior estabilidade e precisão
- Estrutura hierárquica com fortes propriedades de escala em todos os tamanhos de modelo
- Pontos de verificação pré-treinados e receitas de treinamento para tarefas ImageNet e downstream
- Implantação eficiente e compatibilidade com sistemas existentes baseados em CNN
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/convnext.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.