Это приложение для Windows под названием DeepCluster, последнюю версию которого можно скачать в формате deepclustersourcecode.tar.gz. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.
Загрузите и запустите бесплатно онлайн это приложение под названием DeepCluster 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 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.
СКРИНШОТЫ:
DeepCluster
ОПИСАНИЕ:
DeepCluster — классический алгоритм обучения представлениям данных с самообучением, основанный на кластеризации, который итеративно группирует признаки изображений и использует назначения кластеров в качестве псевдометок для обучения сети. В каждом раунде признаки, генерируемые сетью, кластеризуются (например, методом k-средних), а идентификаторы кластеров становятся целями обучения в следующей эпохе, побуждая модель уточнять своё представление данных для более точного разделения семантических групп. Эта чередующаяся схема «кластеризации и обучения» помогает модели постепенно обнаруживать значимую структуру без меток. DeepCluster стал одним из первых успешных примеров обучения визуальным признакам без учителя, продемонстрировав, что переформулирование на основе кластеризации может соперничать с контролируемыми базовыми линиями для многих последующих задач. Репозиторий содержит код для извлечения признаков, кластеризации, циклов обучения и оценочных тестов, таких как линейные зонды. Благодаря своей простоте и модульной структуре, DeepCluster вдохновил многие последующие методы.
Особенности
- Неконтролируемое обучение с помощью итеративной кластеризации и псевдометочного контроля
- Альтернативный конвейер: особенности кластера → использование идентификаторов кластера для обучения сети
- Поддержка k-средних или других алгоритмов кластеризации в пространстве признаков
- Скрипты обучения и оценки для последующих задач (классификация, обнаружение)
- Модульный код для замены сетевой архитектуры или методов кластеризации
- Базовая справочная информация для многих последующих подходов с самоконтролем
Язык программирования
Питон
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/deepcluster.mirror/. Оно размещено на OnWorks для максимально удобного запуска онлайн с помощью одной из наших бесплатных операционных систем.