Ito ang Linux app na pinangalanang DeepCluster na ang pinakabagong release ay maaaring ma-download bilang deepclustersourcecode.tar.gz. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang DeepCluster na may 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 SCREENSHOT:
DeepCluster
DESCRIPTION:
Ang DeepCluster ay isang klasikong self-supervised clustering-based representation learning algorithm na paulit-ulit na pinapangkat ang mga feature ng larawan at ginagamit ang mga cluster assignment bilang mga pseudo-label para sanayin ang network. Sa bawat pag-ikot, ang mga feature na ginawa ng network ay pinagsama-sama (hal. k-means), at ang mga cluster ID ay nagiging mga target ng pangangasiwa sa susunod na panahon, na naghihikayat sa modelo na pinuhin ang representasyon nito upang mas mahusay na magkahiwalay na mga semantic group. Ang alternating "cluster & train" scheme na ito ay tumutulong sa modelo na unti-unting tumuklas ng makabuluhang istraktura nang walang mga label. Ang DeepCluster ay isa sa mga naunang tagumpay sa hindi pinangangasiwaang visual na pag-aaral ng feature, na nagpapakita na ang clustering-based na reformulation ay maaaring makipaglaban sa mga pinangangasiwaang baseline para sa maraming downstream na gawain. Kasama sa repositoryo ang code para sa feature extraction, clustering, training loops, at evaluation benchmarks tulad ng linear probes. Dahil sa pagiging simple nito at modular na disenyo, ang DeepCluster ay nagbigay inspirasyon sa maraming mga susunod na pamamaraan.
Mga tampok
- Unsupervised learning sa pamamagitan ng iterative clustering at pseudo-label supervision
- Alternating pipeline: mga feature ng cluster → gumamit ng mga cluster ID para sanayin ang network
- Suporta para sa k-means o iba pang clustering algorithm sa feature space
- Mga script ng pagsasanay at pagsusuri para sa mga downstream na gawain (klasipikasyon, pagtuklas)
- Modular code upang magpalit ng mga arkitektura ng network o mga pamamaraan ng clustering
- Baseline na sanggunian para sa maraming mga paglapit na pinangangasiwaan ng sarili sa ibang pagkakataon
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/deepcluster.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.