This is the Windows app named Uncertainty Baselines whose latest release can be downloaded as uncertainty-baselinessourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Baixe e execute online este aplicativo chamado Uncertainty Baselines 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.
SCREENSHOTS
Ad
Linhas de base de incerteza
DESCRIÇÃO
Uncertainty Baselines é uma coleção de pipelines de treinamento robustos e bem documentados que simplificam a avaliação da incerteza preditiva em modelos modernos de aprendizado de máquina. Em vez de oferecer scripts de brinquedo, ele fornece receitas completas – entrada de dados, arquiteturas de modelo, loops de treinamento, métricas de avaliação e registro – para que os resultados sejam comparáveis entre execuções e grupos de pesquisa. A biblioteca abrange modalidades e tarefas canônicas, desde classificação de imagens e PLN até problemas tabulares, com linhas de base que abrangem abordagens determinísticas e probabilísticas. As técnicas incluem conjuntos profundos, dropout de Monte Carlo, escalonamento de temperatura, inferência variacional estocástica, cabeças heterocedásticas e fluxos de trabalho de detecção fora de distribuição. Cada linha de base enfatiza a reprodutibilidade: sementes fixas, divisões padrão e métricas robustas, como erro de calibração, AUROC para OOD e precisão sob deslocamento.
Recursos
- Pipelines reproduzíveis de ponta a ponta para avaliação de incertezas
- Cobertura de conjuntos, abandono de MC, SVI e métodos de calibração
- Métricas padronizadas para detecção de OOD e qualidade de calibração
- Linhas de base em tarefas de visão, linguagem e tabelas
- Limpe os arquivos de configuração e o registro para comparações justas
- Padrões fortes que podem ser estendidos para novas ideias de pesquisa
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/uncertainty-baselines.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
