Это приложение для Linux под названием SimSiam, последнюю версию которого можно скачать как simsiamsourcecode.tar.gz. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.
Загрузите и запустите онлайн приложение под названием SimSiam с помощью OnWorks бесплатно.
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
Ad
СимСиам
ОПИСАНИЕ
SimSiam — это реализация проекта «Exploring Simple Siamese Representation Learning» Синлей Чена и Каймина Хэ на PyTorch. Проект представляет собой минималистичный подход к обучению с самообучением, который позволяет избежать отрицательных пар, кодировщиков импульса и больших банков памяти — ключевых сложностей прежних методов сравнения. SimSiam обучается на изображениях, максимизируя сходство между двумя дополненными представлениями одного и того же изображения с помощью сиамской нейронной сети с операцией стоп-градиента, предотвращая коллапс признаков. Этот элегантный, но эффективный подход показывает высокие результаты в тестах обучения без учителя, таких как ImageNet, без необходимости в потерях при сравнении. Репозиторий предоставляет скрипты как для предобучения без учителя, так и для линейной оценки, используя по умолчанию ResNet-50. Он совместим с распределенным обучением на нескольких графических процессорах и может быть тонко настроен или перенесен на последующие задачи, такие как обнаружение объектов, с использованием той же конфигурации, что и MoCo.
Особенности
- Минимальная структура самообучения без отрицательных пар и импульсных кодеров
- Реализация на базе PyTorch, оптимизированная для распределенного обучения на нескольких GPU
- Полностью воспроизводимый конвейер обучения для ImageNet с использованием гиперпараметров по умолчанию из статьи
- Включает как неконтролируемое предварительное обучение, так и линейные сценарии оценки.
- Поддержка оптимизатора LARS через NVIDIA Apex для крупнопакетного обучения
- Совместимо с настройками передачи данных обнаружения объектов от MoCo
Язык программирования
Питон
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/simsiam.mirror/. Оно размещено на OnWorks для максимально удобного запуска онлайн через одну из наших бесплатных операционных систем.
