Aceasta este aplicația Linux numită SimSiam, a cărei ultimă versiune poate fi descărcată sub numele simsiamsourcecode.tar.gz. Poate fi rulată online în furnizorul de găzduire gratuită OnWorks pentru stații de lucru.
Descarcă și rulează online această aplicație numită SimSiam 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:
SimSiam
DESCRIERE:
SimSiam este o implementare PyTorch a lucrării „Explorarea învățării simple a reprezentărilor siameze” de Xinlei Chen și Kaiming He. Proiectul introduce o abordare minimalistă a învățării auto-supervizate care evită perechile negative, codificatoarele de impuls sau băncile mari de memorie - complexități cheie ale metodelor contrastive anterioare. SimSiam învață reprezentări de imagini prin maximizarea similarității dintre două vizualizări augmentate ale aceleiași imagini printr-o rețea neuronală siameză cu o operație de stop-gradient, prevenind colapsul caracteristicilor. Acest design elegant, dar eficient, obține rezultate puternice în teste de învățare nesupervizată, cum ar fi ImageNet, fără a necesita pierderi contrastive. Depozitul oferă scripturi atât pentru pre-antrenament nesupervizat, cât și pentru evaluare liniară, utilizând în mod implicit o rețea ResNet-50. Este compatibil cu antrenamentul distribuit multi-GPU și poate fi reglat fin sau transferat către sarcini ulterioare, cum ar fi detectarea obiectelor, urmând aceeași configurație ca MoCo.
Categorii
- Cadru minimal de învățare autosupervizată fără perechi negative sau codificatoare de impuls
- Implementare bazată pe PyTorch optimizată pentru antrenament distribuit multi-GPU
- Conductă de antrenament complet reproductibilă pentru ImageNet folosind hiperparametrii impliciți din lucrare
- Include atât scripturi de pre-antrenament nesupravegheate, cât și scripturi de evaluare liniară
- Suport pentru optimizatorul LARS prin NVIDIA Apex pentru antrenament în loturi mari
- Compatibil cu configurațiile de transfer pentru detectarea obiectelor de la MoCo
Limbaj de programare
Piton
Categorii
Aceasta este o aplicație care poate fi descărcată și de la https://sourceforge.net/projects/simsiam.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.