This is the Linux app named PyCls whose latest release can be downloaded as Sweepcodeforstudyingmodelpopulationstatssourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Загрузите и запустите бесплатно онлайн это приложение под названием PyCls с OnWorks.
Следуйте этим инструкциям, чтобы запустить это приложение:
- 1. Загрузил это приложение на свой компьютер.
- 2. Введите в нашем файловом менеджере https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 3. Загрузите это приложение в такой файловый менеджер.
- 4. Запустите онлайн-эмулятор OnWorks Linux или Windows или онлайн-эмулятор MACOS с этого веб-сайта.
- 5. В только что запущенной ОС OnWorks Linux перейдите в наш файловый менеджер https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 6. Скачайте приложение, установите его и запустите.
СКРИНШОТЫ:
PyCls
ОПИСАНИЕ:
pycls — это специализированная кодовая база PyTorch для исследований в области классификации изображений, которая делает акцент на воспроизводимости и чётких, прозрачных базовых линиях. Она популяризировала такие семейства, как RegNet, и поддерживает классические архитектуры (ResNet, ResNeXt) благодаря чистым реализациям и согласованным схемам обучения. Репозиторий включает в себя тщательно настроенные расписания, аугментации и настройки регуляризации, которые позволяют легко соответствовать заявленной точности без догадок. Распределённое обучение и смешанная точность — первоклассные решения, позволяющие проводить быстрые эксперименты на многопроцессорных системах с простыми декларативными конфигурациями. Определения моделей лаконичны и модульны, что позволяет легко создавать прототипы новых блоков или заменять базовые линии, сохраняя остальную часть конвейера неизменной. Предварительно обученные весовые коэффициенты и скрипты оценки охватывают распространённые наборы данных, а стек логирования/метрик разработан для быстрого сравнения результатов между запусками. Практикующие специалисты используют pycls как в качестве фабрики базовых линий, так и в качестве основы для новых базовых линий классификации.
Особенности
- Референтные реализации семейств ResNet/ResNeXt/RegNet
- Воспроизводимые тренировочные рецепты с настроенными графиками и дополнениями
- Распределенное и смешанное обучение «из коробки»
- Система декларативной конфигурации и чистые конвейеры данных
- Предварительно обученные контрольные точки и стандартизированные сценарии оценки
- Минимальный модульный код модели для быстрой архитектурной итерации
Язык программирования
Питон
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/pycls.mirror/. Оно размещено на OnWorks для максимально удобного запуска онлайн через одну из наших бесплатных операционных систем.