นี่คือแอป Linux ชื่อ SimSiam ซึ่งสามารถดาวน์โหลดเวอร์ชันล่าสุดได้ที่ simsiamsourcecode.tar.gz สามารถรันออนไลน์ได้บน OnWorks ซึ่งเป็นผู้ให้บริการโฮสติ้งฟรีสำหรับเวิร์กสเตชัน
ดาวน์โหลดและรันแอปชื่อ SimSiam ออนไลน์ด้วย 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
Ad
ซิมสยาม
DESCRIPTION
SimSiam คือการนำ “Exploring Simple Siamese Representation Learning” ของ Xinlei Chen และ Kaiming He มาใช้งานใน PyTorch โครงการนี้นำเสนอแนวทางการเรียนรู้แบบมีผู้ดูแลตนเองแบบเรียบง่ายที่หลีกเลี่ยงคู่ลบ ตัวเข้ารหัสโมเมนตัม หรือธนาคารหน่วยความจำขนาดใหญ่ ซึ่งเป็นความซับซ้อนหลักของวิธีการเปรียบเทียบแบบเปรียบเทียบที่มีอยู่เดิม SimSiam เรียนรู้การแทนภาพโดยเพิ่มความคล้ายคลึงกันระหว่างมุมมองเสริมสองภาพของภาพเดียวกันให้สูงสุดผ่านโครงข่ายประสาทเทียมแบบเปรียบเทียบ (Siam) ด้วยการดำเนินการหยุดการไล่ระดับสี (stop-gradient operation) ซึ่งป้องกันการยุบตัวของคุณลักษณะ การออกแบบที่สวยงามแต่มีประสิทธิภาพนี้ให้ผลลัพธ์ที่ยอดเยี่ยมในเกณฑ์มาตรฐานการเรียนรู้แบบไม่มีผู้ดูแล เช่น ImageNet โดยไม่ต้องสูญเสียความสูญเสียแบบเปรียบเทียบ คลังข้อมูลนี้มีสคริปต์สำหรับทั้งการฝึกฝนเบื้องต้นแบบไม่มีผู้ดูแลและการประเมินเชิงเส้น โดยใช้โครงข่ายหลัก ResNet-50 เป็นค่าเริ่มต้น สามารถใช้งานร่วมกับการฝึกฝนแบบกระจายหลาย GPU และสามารถปรับแต่งหรือถ่ายโอนไปยังงานปลายทาง เช่น การตรวจจับวัตถุได้ หลังจากตั้งค่าเดียวกันกับ MoCo
คุณสมบัติ
- กรอบการเรียนรู้ด้วยตนเองขั้นต่ำโดยไม่มีคู่เชิงลบหรือตัวเข้ารหัสโมเมนตัม
- การใช้งานบน PyTorch ได้รับการปรับให้เหมาะสมสำหรับการฝึกอบรมแบบกระจายหลาย GPU
- ไพลน์ไลน์การฝึกอบรมที่ทำซ้ำได้อย่างสมบูรณ์สำหรับ ImageNet โดยใช้ไฮเปอร์พารามิเตอร์เริ่มต้นจากเอกสาร
- รวมทั้งสคริปต์การฝึกอบรมเบื้องต้นแบบไม่มีผู้ดูแลและการประเมินเชิงเส้น
- รองรับ LARS optimizer ผ่าน NVIDIA Apex สำหรับการฝึกอบรมแบบแบตช์ขนาดใหญ่
- เข้ากันได้กับการตั้งค่าการถ่ายโอนการตรวจจับวัตถุจาก MoCo
ภาษาโปรแกรม
หลาม
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/simsiam.mirror/ ได้ แอปพลิเคชันนี้โฮสต์อยู่ใน OnWorks เพื่อให้ใช้งานออนไลน์ได้ง่ายที่สุดจากระบบปฏิบัติการฟรีของเรา
