This is the Linux app named ConvNeXt V2 whose latest release can be downloaded as ConvNeXt-V2sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
I-download at patakbuhin online ang app na ito na pinangalanang ConvNeXt V2 sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Simulan ang OnWorks Linux online o Windows online emulator o MACOS online emulator mula sa website na ito.
- 5. Mula sa OnWorks Linux OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application, i-install ito at patakbuhin ito.
MGA LALAKI
Ad
ConvNeXt V2
DESCRIPTION
Ang ConvNeXt V2 ay isang ebolusyon ng arkitektura ng ConvNeXt na nagdidisenyo ng mga convolutional network kasama ng self-supervised na pag-aaral. Ang bersyon ng V2 ay nagpapakilala ng isang ganap na convolutional masked autoencoder (FCMAE) na framework kung saan ang mga bahagi ng larawan ay naka-mask at ang network ay muling buuin ang nawawalang nilalaman, na ikinasal sa convolutional inductive bias na may malakas na pretraining. Ang isang pangunahing pagbabago ay isang bagong layer ng Global Response Normalization (GRN) na idinagdag sa backbone ng ConvNeXt, na nagpapahusay sa kumpetisyon ng tampok sa mga channel. Ang resulta ay isang convnet na malakas na nakikipagkumpitensya sa mga arkitektura ng transformer sa mga benchmark ng pagkilala habang mahusay at hardware-friendly. Nagbibigay ang repositoryo ng mga opisyal na pagpapatupad ng PyTorch para sa maraming laki ng modelo (Atto, Femto, Pico, hanggang sa Huge), conversion mula sa JAX weights, code para sa pretraining/fine-tuning, at pretrained checkpoints. Sinusuportahan nito ang parehong self-supervised pretraining at supervised fine-tuning.
Mga tampok
- Ganap na convolutional masked autoencoder pretraining (FCMAE)
- Global Response Normalization (GRN) upang mapabuti ang kumpetisyon sa channel
- Maramihang laki ng modelo (Atto, Femto, Pico, Tiny, Base, Large, Huge)
- Suporta para sa self-supervised at supervised learning pipelines
- Mga pretrained checkpoints (na-convert mula sa JAX) at pagpapatupad ng PyTorch
- Pagsasanay/pino-pinong mga kagamitan at code para sa parehong pretrain at eval
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/convnext-v2.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
