Это приложение для Windows под названием Active Learning, последнюю версию которого можно скачать в формате active-learningsourcecode.tar.gz. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.
Бесплатно скачайте и запустите онлайн приложение под названием Active Learning with 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 любой онлайн-эмулятор OS OnWorks с этого сайта, но лучше онлайн-эмулятор Windows.
- 5. В только что запущенной ОС Windows OnWorks перейдите в наш файловый менеджер https://www.onworks.net/myfiles.php?username=XXXXX с желаемым именем пользователя.
- 6. Скачайте приложение и установите его.
- 7. Загрузите Wine из репозиториев программного обеспечения вашего дистрибутива Linux. После установки вы можете дважды щелкнуть приложение, чтобы запустить его с помощью Wine. Вы также можете попробовать PlayOnLinux, необычный интерфейс поверх Wine, который поможет вам установить популярные программы и игры для Windows.
Wine - это способ запустить программное обеспечение Windows в Linux, но без Windows. Wine - это уровень совместимости с Windows с открытым исходным кодом, который может запускать программы Windows непосредственно на любом рабочем столе Linux. По сути, Wine пытается заново реализовать Windows с нуля, чтобы можно было запускать все эти Windows-приложения, фактически не нуждаясь в Windows.
Активное изучение
Ad
ОПИСАНИЕ
Active Learning — это исследовательская платформа на основе Python, разработанная Google для экспериментов и сравнительного анализа различных алгоритмов активного обучения. Она предоставляет модульные инструменты для проведения воспроизводимых экспериментов с различными наборами данных, стратегиями выборки и моделями машинного обучения. Система позволяет исследователям изучать, как модели могут повысить эффективность маркировки, выборочно опрашивая наиболее информативные точки данных, а не полагаясь на равномерно отобранные обучающие наборы. Основной исполнитель эксперимента (run_experiment.py) поддерживает широкий спектр конфигураций, включая размеры партий, подмножества наборов данных, выбор модели и параметры предварительной обработки данных. Она включает в себя несколько известных стратегий активного обучения, таких как выборка с учетом неопределенности, жадный выбор k-центра и методы на основе бандита, а также позволяет реализовывать пользовательские алгоритмы. Платформа интегрируется как с классическими моделями машинного обучения (SVM, логистическая регрессия), так и с нейронными сетями.
Особенности
- Модульная экспериментальная структура для активного обучения исследованиям
- Поддерживает множество наборов данных и моделей, включая SVM, логистическую регрессию и CNN.
- Реализует различные стратегии активного обучения, такие как выборка с запасом и жадный алгоритм k-центра
- Обеспечивает гибкую настройку таких параметров, как размер партии, коэффициент теплого запуска и контроль шума.
- Простая интеграция новых моделей и методов выборки через расширяемый API
- Предоставляет комплексные инструменты сравнительного анализа и сравнения для экспериментального сравнения.
Язык программирования
Питон
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/active-learning.mirror/. Оно размещено на платформе OnWorks для максимально удобного запуска онлайн через одну из наших бесплатных операционных систем.
