Este é o aplicativo para Windows chamado DeepCluster, cuja versão mais recente pode ser baixada como deepclustersourcecode.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado DeepCluster 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:
DeepCluster
DESCRIÇÃO:
O DeepCluster é um algoritmo clássico de aprendizado de representação baseado em agrupamento autossupervisionado que agrupa iterativamente recursos de imagem e usa as atribuições de agrupamento como pseudorrótulos para treinar a rede. Em cada rodada, os recursos produzidos pela rede são agrupados (por exemplo, k-means), e os IDs do agrupamento tornam-se alvos de supervisão na próxima época, incentivando o modelo a refinar sua representação para separar melhor os grupos semânticos. Esse esquema alternado de "agrupamento e treinamento" ajuda o modelo a descobrir gradualmente estruturas significativas sem rótulos. O DeepCluster foi um dos primeiros sucessos no aprendizado de recursos visuais não supervisionados, demonstrando que a reformulação baseada em agrupamento pode rivalizar com linhas de base supervisionadas para muitas tarefas posteriores. O repositório inclui código para extração de recursos, agrupamento, loops de treinamento e benchmarks de avaliação, como sondas lineares. Devido à sua simplicidade e design modular, o DeepCluster inspirou muitos métodos posteriores.
Recursos
- Aprendizagem não supervisionada por meio de agrupamento iterativo e supervisão de pseudo-rótulos
- Pipeline alternado: recursos de cluster → usar IDs de cluster para treinar a rede
- Suporte para k-means ou outros algoritmos de agrupamento no espaço de recursos
- Scripts de treinamento e avaliação para tarefas posteriores (classificação, detecção)
- Código modular para trocar arquiteturas de rede ou métodos de agrupamento
- Referência de base para muitas abordagens auto-supervisionadas posteriores
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/deepcluster.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.