This is the Linux app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Бесплатно скачайте и запустите онлайн это приложение под названием ResNeXt 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:
ResNeXt
ОПИСАНИЕ:
ResNeXt — это архитектура глубокой нейронной сети для классификации изображений, основанная на идее агрегированных остаточных преобразований. Вместо простого увеличения глубины или ширины, ResNeXt вводит новое измерение, называемое кардинальностью, которое относится к числу параллельных путей преобразования (т.е. числу «ветвей»), агрегированных вместе. Каждая ветвь представляет собой небольшое преобразование (например, блок узкого места), и их выходные данные суммируются — это обеспечивает более богатое представление без чрезмерного увеличения количества параметров. Архитектура является модульной и однородной, что позволяет относительно легко масштабировать её (путём настройки кардинальности, ширины и глубины) и внедрять в существующие остаточные фреймворки. Официальный репозиторий предлагает реализацию Torch (Lua) с кодом для обучения, оценки и предобучения моделей в ImageNet. На практике модели ResNeXt часто превосходят стандартные модели ResNet сопоставимой сложности.
Особенности
- Агрегированные остаточные преобразования, объединяющие несколько параллельных ветвей
- Вводит «мощность» как новое архитектурное измерение
- Модульные блоки «узких мест» с простым масштабированием по ширине/глубине/мощности
- Реализация Torch с использованием сценариев обучения и оценки
- Предварительно обученные модели для классификации ImageNet
- Совместимость с остаточными архитектурами и простая интеграция
Язык программирования
Lua
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/resnext.mirror/. Оно размещено на OnWorks для максимально удобного запуска онлайн через одну из наших бесплатных операционных систем.