Это приложение для Windows под названием MAE (Masked Autoencoders), последнюю версию которого можно скачать в формате maesourcecode.tar.gz. Его можно запустить онлайн на бесплатном хостинг-провайдере OnWorks для рабочих станций.
Бесплатно скачайте и запустите онлайн это приложение под названием MAE (Masked Autoencoders) с помощью 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:
MAE (Маскированные автоэнкодеры)
ОПИСАНИЕ:
MAE (Masked Autoencoders) — это самообучаемая платформа для обучения визуальному представлению с использованием моделирования изображений с использованием масок. Она обучает Vision Transformer (ViT), случайным образом маскируя большую долю фрагментов изображения (обычно 75%) и восстанавливая недостающее содержимое из оставшихся видимых фрагментов. Это заставляет модель изучать семантическую структуру и глобальный контекст без участия наблюдателя. Кодер обрабатывает только видимые фрагменты, в то время как лёгкий декодер реконструирует изображение целиком, что делает предобучение вычислительно эффективным. После предобучения кодер служит мощной основой для последующих задач, таких как классификация, сегментация и обнаружение изображений, достигая максимальной производительности с минимальной тонкой настройкой. Репозиторий предоставляет предобученные модели, скрипты тонкой настройки, протоколы оценки и инструменты визуализации для качества реконструкции и усвоенных признаков.
Особенности
- Моделирование маскированного изображения с помощью случайной маскировки участков с высоким коэффициентом
- Эффективная предварительная подготовка за счет разделения кодера и декодера (кодер видит только видимые участки)
- Масштабируемая основа Vision Transformer для задач визуализации ниже по цепочке
- Предварительно обученные модели и сценарии тонкой настройки для классификации, обнаружения и сегментации
- Инструменты визуализации для реконструкции и анализа представлений
- Парадигма самостоятельного обучения, не требующая маркированных данных
Язык программирования
Питон
Категории
Это приложение также можно скачать по адресу https://sourceforge.net/projects/mae-masked-autoencoders.mirror/. Оно размещено на OnWorks для максимально удобного запуска онлайн через одну из наших бесплатных операционных систем.