Aceasta este aplicația Linux numită MoCo v3, a cărei ultimă versiune poate fi descărcată sub numele moco-v3sourcecode.tar.gz. Poate fi rulată online în furnizorul de găzduire gratuită OnWorks pentru stații de lucru.
Descărcați și rulați online această aplicație numită MoCo v3 cu OnWorks gratuit.
Urmați aceste instrucțiuni pentru a rula această aplicație:
- 1. Ați descărcat această aplicație pe computer.
- 2. Introduceți în managerul nostru de fișiere https://www.onworks.net/myfiles.php?username=XXXXX cu numele de utilizator pe care îl doriți.
- 3. Încărcați această aplicație într-un astfel de manager de fișiere.
- 4. Porniți emulatorul online OnWorks Linux sau Windows online sau emulatorul online MACOS de pe acest site web.
- 5. Din sistemul de operare OnWorks Linux pe care tocmai l-ați pornit, accesați managerul nostru de fișiere https://www.onworks.net/myfiles.php?username=XXXXX cu numele de utilizator dorit.
- 6. Descărcați aplicația, instalați-o și rulați-o.
CAPTURĂ DE ECRAN:
MoCo v3
DESCRIERE:
MoCo v3 este o reimplementare PyTorch a Momentum Contrast v3 (MoCo v3), framework-ul de învățare auto-supervizată de ultimă generație al Facebook Research pentru învățarea reprezentărilor vizuale utilizând backbone-urile ResNet și Vision Transformer (ViT). Dezvoltată inițial în TensorFlow pentru TPU-uri, această versiune reproduce fidel rezultatele lucrării pe GPU-uri, oferind în același timp o interfață PyTorch accesibilă și scalabilă. MoCo v3 introduce îmbunătățiri pentru antrenarea ViT-urilor auto-supervizate prin combinarea învățării contrastive cu arhitecturi bazate pe transformatoare, obținând performanțe puternice de reglare fină liniară și end-to-end pe benchmark-urile ImageNet. Depozitul acceptă antrenament distribuit pe mai multe noduri, precizie mixtă automată și scalare liniară a ratelor de învățare pentru regimuri de loturi mari. De asemenea, include scripturi pentru pre-antrenament auto-supervizat, clasificare liniară și reglare fină în cadrul DeiT.
Categorii
- Compatibil cu ImageNet și cu standardele de viziune pentru învățarea prin transfer
- Configurabil prin intermediul semnalizatoarelor din linia de comandă, cu hiperparametri scalabili și setări de lot
- Scripturi integrate pentru pre-antrenament auto-supervizat, evaluare liniară și reglare fină DeiT
- Obține rezultate ImageNet puternice (de exemplu, 74.6% top-1 liniar pe ResNet-50, 83.2% ViT-B reglat fin)
- Suportă antrenament distribuit multi-GPU la scară largă cu precizie mixtă
- Implementare PyTorch a MoCo v3 auto-supervizat pentru modelele ResNet și ViT
Limbaj de programare
Piton
Categorii
Aceasta este o aplicație care poate fi descărcată și de la https://sourceforge.net/projects/moco-v3.mirror/. A fost găzduită în OnWorks pentru a putea fi rulată online în cel mai simplu mod de pe unul dintre sistemele noastre de operare gratuite.