นี่คือแอป Windows ชื่อ tvm ซึ่งสามารถดาวน์โหลดรุ่นล่าสุดเป็น ApacheTVMv0.11.1.zip สามารถเรียกใช้ออนไลน์ได้ใน OnWorks ผู้ให้บริการโฮสต์ฟรีสำหรับเวิร์กสเตชัน
ดาวน์โหลดและเรียกใช้แอปนี้ออนไลน์ชื่อ tvm 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
TVM
DESCRIPTION
Apache TVM เป็นเฟรมเวิร์กคอมไพเลอร์สำหรับการเรียนรู้ของเครื่องแบบโอเพนซอร์สสำหรับ CPU, GPU และตัวเร่งการเรียนรู้ของเครื่อง มีจุดมุ่งหมายเพื่อให้วิศวกรการเรียนรู้ของเครื่องสามารถเพิ่มประสิทธิภาพและดำเนินการคำนวณได้อย่างมีประสิทธิภาพบนแบ็กเอนด์ของฮาร์ดแวร์ วิสัยทัศน์ของโครงการ Apache TVM คือการโฮสต์ชุมชนที่หลากหลายของผู้เชี่ยวชาญและผู้ปฏิบัติงานด้านการเรียนรู้ของเครื่อง คอมไพเลอร์ และสถาปัตยกรรมระบบ เพื่อสร้างเฟรมเวิร์กโอเพนซอร์ซแบบอัตโนมัติที่เข้าถึงได้ ขยายได้ และเป็นอัตโนมัติที่ปรับโมเดลการเรียนรู้ของเครื่องในปัจจุบันและที่เกิดขึ้นใหม่ให้เหมาะสมสำหรับฮาร์ดแวร์ใดๆ แพลตฟอร์ม. การรวบรวมโมเดลการเรียนรู้เชิงลึกใน Keras, MXNet, PyTorch, Tensorflow, CoreML, DarkNet และอื่นๆ เริ่มใช้ TVM กับ Python วันนี้ สร้างกองการผลิตโดยใช้ C++, Rust หรือ Java ในวันถัดไป
คุณสมบัติ
- การรวบรวมโมเดลการเรียนรู้เชิงลึกลงในโมดูลขั้นต่ำที่ปรับใช้ได้
- โครงสร้างพื้นฐานเพื่อสร้างและเพิ่มประสิทธิภาพโมเดลโดยอัตโนมัติบนแบ็กเอนด์มากขึ้นด้วยประสิทธิภาพที่ดีขึ้น
- การคอมไพล์และรันไทม์ขั้นต่ำโดยทั่วไปจะปลดล็อกปริมาณงาน ML บนฮาร์ดแวร์ที่มีอยู่
- CPU, GPU, เบราว์เซอร์, ไมโครคอนโทรลเลอร์, FPGA และอื่นๆ
- สร้างและเพิ่มประสิทธิภาพตัวดำเนินการเทนเซอร์บนแบ็กเอนด์เพิ่มเติมโดยอัตโนมัติ
- TVM ใช้โมเดลตัวแทน Apache
ภาษาโปรแกรม
หลาม
หมวดหมู่
นี่คือแอปพลิเคชันที่สามารถดึงข้อมูลจาก https://sourceforge.net/projects/tvm.mirror/ มีการโฮสต์ใน OnWorks เพื่อให้ทำงานออนไลน์ในวิธีที่ง่ายที่สุดจากหนึ่งในระบบปฏิบัติการฟรีของเรา