นี่คือแอป Windows ชื่อ Fairseq ซึ่งสามารถดาวน์โหลดรุ่นล่าสุดได้เป็น v0.10.2.zip สามารถเรียกใช้ออนไลน์ใน OnWorks ผู้ให้บริการโฮสต์ฟรีสำหรับเวิร์กสเตชัน
ดาวน์โหลดและเรียกใช้แอปนี้ออนไลน์ชื่อ Fairseq พร้อม OnWorks ฟรี
ทำตามคำแนะนำเหล่านี้เพื่อเรียกใช้แอปนี้:
- 1. ดาวน์โหลดแอปพลิเคชั่นนี้ในพีซีของคุณ
- 2. เข้าไปที่ file manager https://www.onworks.net/myfiles.php?username=XXXXX ด้วยชื่อผู้ใช้ที่คุณต้องการ
- 3. อัปโหลดแอปพลิเคชันนี้ในตัวจัดการไฟล์ดังกล่าว
- 4. เริ่มโปรแกรมจำลองออนไลน์ของ OS OnWorks จากเว็บไซต์นี้ แต่โปรแกรมจำลองออนไลน์ของ Windows ที่ดีกว่า
- 5. จากระบบปฏิบัติการ Windows ของ OnWorks ที่คุณเพิ่งเริ่มต้น ไปที่ตัวจัดการไฟล์ของเรา https://www.onworks.net/myfiles.php?username=XXXXX พร้อมชื่อผู้ใช้ที่คุณต้องการ
- 6. ดาวน์โหลดแอปพลิเคชั่นและติดตั้ง
- 7. ดาวน์โหลดไวน์จากที่เก็บซอฟต์แวร์ลีนุกซ์ดิสทริบิวชันของคุณ เมื่อติดตั้งแล้ว คุณสามารถดับเบิลคลิกที่แอปเพื่อเรียกใช้แอปด้วย Wine คุณยังสามารถลองใช้ PlayOnLinux ซึ่งเป็นอินเทอร์เฟซแฟนซีบน Wine ที่จะช่วยคุณติดตั้งโปรแกรมและเกมยอดนิยมของ Windows
ไวน์เป็นวิธีเรียกใช้ซอฟต์แวร์ Windows บน Linux แต่ไม่จำเป็นต้องใช้ Windows Wine เป็นเลเยอร์ความเข้ากันได้ของ Windows แบบโอเพ่นซอร์สที่สามารถเรียกใช้โปรแกรม Windows ได้โดยตรงบนเดสก์ท็อป Linux โดยพื้นฐานแล้ว Wine พยายามนำ Windows กลับมาใช้ใหม่ให้เพียงพอตั้งแต่เริ่มต้น เพื่อให้สามารถเรียกใช้แอปพลิเคชัน Windows เหล่านั้นทั้งหมดโดยไม่จำเป็นต้องใช้ Windows จริงๆ
ภาพหน้าจอ
Ad
แฟร์เซค
DESCRIPTION
Fairseq(-py) คือชุดเครื่องมือสร้างแบบจำลองตามลำดับที่ช่วยให้นักวิจัยและนักพัฒนาสามารถฝึกอบรมแบบจำลองที่กำหนดเองสำหรับการแปล การสรุป การสร้างแบบจำลองภาษา และงานสร้างข้อความอื่นๆ เราจัดเตรียมเอกสารอ้างอิงสำหรับการสร้างแบบจำลองลำดับต่างๆ งานล่าสุดโดย Microsoft และ Google ได้แสดงให้เห็นว่าการฝึกอบรมข้อมูลแบบคู่ขนานสามารถทำให้มีประสิทธิภาพมากขึ้นได้อย่างมากโดยการแบ่งส่วนพารามิเตอร์แบบจำลองและสถานะของเครื่องมือเพิ่มประสิทธิภาพในผู้ปฏิบัติงานคู่ขนานของข้อมูล แนวคิดเหล่านี้ถูกห่อหุ้มไว้ใน Wrapper FullyShardedDataParallel (FSDP) ใหม่ที่จัดทำโดย fairscale สามารถขยาย Fairseq ผ่านปลั๊กอินที่ผู้ใช้จัดหาได้ โมเดลกำหนดสถาปัตยกรรมโครงข่ายประสาทเทียมและสรุปพารามิเตอร์ที่เรียนรู้ได้ทั้งหมด เกณฑ์คำนวณฟังก์ชันการสูญเสียที่กำหนดผลลัพธ์และเป้าหมายของแบบจำลอง งานจัดเก็บพจนานุกรมและจัดเตรียมผู้ช่วยสำหรับการโหลด/วนซ้ำชุดข้อมูล เริ่มต้นแบบจำลอง/เกณฑ์ และคำนวณการสูญเสีย
คุณสมบัติ
- การฝึกอบรม GPU หลายตัวในเครื่องเดียวหรือหลายเครื่อง (ข้อมูลและรุ่นขนานกัน)
- สร้างอย่างรวดเร็วทั้งบน CPU และ GPU พร้อมใช้อัลกอริธึมการค้นหาหลายตัว
- การสะสมไล่ระดับช่วยให้ฝึกด้วยชุดย่อยขนาดใหญ่แม้ใน GPU ตัวเดียว
- การฝึกความแม่นยำแบบผสม (ฝึกเร็วขึ้นด้วยหน่วยความจำ GPU น้อยลงบนแกนเทนเซอร์ NVIDIA)
- ลงทะเบียนโมเดล เกณฑ์ งาน ตัวเพิ่มประสิทธิภาพ และตัวจัดกำหนดการอัตราการเรียนรู้ใหม่ได้อย่างง่ายดาย
- การกำหนดค่าที่ยืดหยุ่นตาม Hydra ช่วยให้สามารถรวมรหัส บรรทัดคำสั่ง และการกำหนดค่าตามไฟล์ได้
ภาษาโปรแกรม
หลาม
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/fairseq.mirror/ มีการโฮสต์ใน OnWorks เพื่อให้ทำงานออนไลน์ในวิธีที่ง่ายที่สุดจากหนึ่งในระบบปฏิบัติการฟรีของเรา
