Ito ang Linux app na pinangalanang FastViT na ang pinakabagong release ay maaaring ma-download bilang ml-fastvitsourcecode.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 FastViT 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 SCREENSHOT:
FastViT
DESCRIPTION:
Ang FastViT ay isang mahusay na vision backbone family na pinagsasama ang convolutional inductive biases na may transformer capacity upang makapaghatid ng malakas na katumpakan sa mobile at real-time na mga badyet ng inference. Hinahabol ng disenyo nito ang isang paborableng latency-accuracy Pareto curve, na nagta-target sa mga edge na device at mga sitwasyon ng server kung saan mahalaga ang throughput at tail latency. Gumagamit ang mga modelo ng magaan na atensyon at maingat na ininhinyero na mga bloke upang mabawasan ang mga gastos sa paghahalo ng token habang pinapanatili ang kapangyarihan ng representasyon. Itinatampok ng mga recipe ng pagsasanay at hinuha ang tuwirang pagsasama sa mga karaniwang gawaing pangitain gaya ng pag-uuri, pagtuklas, at pagse-segment. Nagbibigay ang codebase ng mga reference na pagpapatupad at checkpoint na nagpapadali sa pagsusuri o pag-fine-tune sa mga downstream na dataset. Sa pagsasagawa, nag-aalok ang FastViT ng mga drop-in backbones na nagpapababa ng compute at memory pressure nang walang kakaibang mga trick sa pagsasanay.
Mga tampok
- Hybrid Conv-Transformer block na na-optimize para sa latency
- Competitive accuracy sa mobile/edge inference budget
- Mga script ng pagsasanay sa sanggunian at mga checkpoint na paunang sinanay
- Compatibility sa karaniwang detection/segmentation head
- Atensiyon na mahusay sa memorya at mga bahagi ng paghahalo ng token
- Simpleng pagsasama sa umiiral na mga pipeline ng PyTorch
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/fastvit.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.