นี่คือแอป Linux ชื่อ MoCo v3 ซึ่งสามารถดาวน์โหลดเวอร์ชันล่าสุดได้ที่ moco-v3sourcecode.tar.gz สามารถรันออนไลน์ได้บน OnWorks ซึ่งเป็นผู้ให้บริการโฮสติ้งฟรีสำหรับเวิร์กสเตชัน
ดาวน์โหลดและรันแอปออนไลน์ชื่อ MoCo v3 พร้อม OnWorks ได้ฟรี
ทำตามคำแนะนำเหล่านี้เพื่อเรียกใช้แอปนี้:
- 1. ดาวน์โหลดแอปพลิเคชั่นนี้ในพีซีของคุณ
- 2. เข้าไปที่ file manager https://www.onworks.net/myfiles.php?username=XXXXX ด้วยชื่อผู้ใช้ที่คุณต้องการ
- 3. อัปโหลดแอปพลิเคชันนี้ในตัวจัดการไฟล์ดังกล่าว
- 4. เริ่มโปรแกรมจำลองออนไลน์ของ OnWorks Linux หรือ Windows ออนไลน์ หรือโปรแกรมจำลองออนไลน์ MACOS จากเว็บไซต์นี้
- 5. จาก OnWorks Linux OS คุณเพิ่งเริ่มต้น ไปที่ตัวจัดการไฟล์ของเรา https://www.onworks.net/myfiles.php?username=XXXXX พร้อมชื่อผู้ใช้ที่คุณต้องการ
- 6. ดาวน์โหลดแอปพลิเคชั่น ติดตั้ง และเรียกใช้
ภาพหน้าจอ:
โมโค่ วี3
รายละเอียด:
MoCo v3 คือการนำ Momentum Contrast v3 (MoCo v3) ซึ่งเป็นเฟรมเวิร์กการเรียนรู้แบบมีผู้ดูแลตนเองอันทันสมัยของ Facebook Research มาปรับใช้ใหม่ใน PyTorch สำหรับการเรียนรู้การนำเสนอภาพโดยใช้โครงข่ายหลัก ResNet และ Vision Transformer (ViT) เดิมที MoCo v3 ได้รับการพัฒนาใน TensorFlow สำหรับ TPU โดยเวอร์ชันนี้ทำซ้ำผลลัพธ์ของงานวิจัยบน GPU ได้อย่างแม่นยำ พร้อมอินเทอร์เฟซ PyTorch ที่เข้าถึงและปรับขนาดได้ MoCo v3 นำเสนอการปรับปรุงสำหรับการฝึกฝน ViT แบบมีผู้ดูแลตนเอง โดยการรวมการเรียนรู้แบบคอนทราสต์เข้ากับสถาปัตยกรรมแบบทรานส์ฟอร์ม ทำให้ได้ประสิทธิภาพในการปรับแต่งเชิงเส้นและแบบ end-to-end ที่แข็งแกร่งบนเกณฑ์มาตรฐาน ImageNet คลังข้อมูลนี้รองรับการฝึกฝนแบบกระจายหลายโหนด ความแม่นยำแบบผสมอัตโนมัติ และการปรับขนาดเชิงเส้นของอัตราการเรียนรู้สำหรับระบบจำนวนมาก นอกจากนี้ยังมีสคริปต์สำหรับการฝึกฝนล่วงหน้าแบบมีผู้ดูแลตนเอง การจำแนกประเภทเชิงเส้น และการปรับแต่งภายในเฟรมเวิร์ก DeiT
คุณสมบัติ
- เข้ากันได้กับ ImageNet และเกณฑ์มาตรฐานการมองเห็นสำหรับการเรียนรู้การถ่ายโอน
- กำหนดค่าได้ผ่านแฟล็กบรรทัดคำสั่งพร้อมไฮเปอร์พารามิเตอร์ที่ปรับขนาดได้และการตั้งค่าแบบแบตช์
- สคริปต์แบบบูรณาการสำหรับการฝึกอบรมเบื้องต้นด้วยตนเอง การประเมินเชิงเส้น และการปรับแต่ง DeiT
- บรรลุผลลัพธ์ ImageNet ที่แข็งแกร่ง (เช่น 74.6% เชิงเส้น top-1 บน ResNet-50, 83.2% ปรับแต่ง ViT-B)
- รองรับการฝึกอบรมแบบกระจาย GPU หลายตัวขนาดใหญ่พร้อมความแม่นยำแบบผสมผสาน
- การนำ MoCo v3 ที่ควบคุมตนเองของ PyTorch ไปใช้งานสำหรับโมเดล ResNet และ ViT
ภาษาโปรแกรม
หลาม
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/moco-v3.mirror/ ได้ แอปพลิเคชันนี้โฮสต์อยู่ใน OnWorks เพื่อให้ใช้งานออนไลน์ได้ง่ายที่สุดจากระบบปฏิบัติการฟรีของเรา