Ito ang Linux app na pinangalanang iJEPA na ang pinakabagong release ay maaaring ma-download bilang ijepasourcecode.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 iJEPA 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
iJEPA
DESCRIPTION
Ang i-JEPA (Image Joint-Embedding Predictive Architecture) ay isang self-supervised learning framework na hinuhulaan ang mga nawawalang mataas na antas na representasyon sa halip na muling buuin ang mga pixel. Nakikita ng isang context encoder ang mga nakikitang rehiyon ng isang imahe at hinuhulaan ang mga target na pag-embed para sa mga naka-mask na rehiyon na ginawa ng isang dahan-dahang na-update na target na encoder, na nakatuon sa pag-aaral sa semantics sa halip na sa texture. Ang layuning ito ay umiiwas sa pagbuo ng mga pagkalugi ng pixel at iniiwasan ang mabigat na negatibong sampling, na gumagawa ng mga feature na malakas na lumilipat gamit ang mga linear na probe at minimal na fine-tuning. Ang disenyo ay natural na sumusukat gamit ang Vision Transformer backbones at flexible masking strategies, at ito ay nagsasanay nang matatag sa malalaking batch size. Ang mga hula ng i-JEPA ay ginawa sa pag-embed ng espasyo, na kung saan ay mahusay sa computation at mas mahusay na nakahanay sa mga gawain sa downstream na diskriminasyon. Nagbibigay ang repositoryo ng mga recipe ng pagsasanay, pipeline ng data, at code ng pagsusuri na naglilinaw kung aling mga pattern ng masking at mga pagpipilian sa arkitektura ang pinakamahalaga.
Mga tampok
- Predictive na pag-aaral sa representasyong espasyo, hindi pixel space
- Mga konteksto at target na encoder na may mga update sa EMA para sa matatag na pagsasanay
- Malakas na paglipat na may simpleng linear probe at low-shot na fine-tuning
- Malinis ang pag-scale gamit ang ViT backbones at iba't ibang diskarte sa masking
- Mahusay na layunin nang walang mga negatibo o decoder sa antas ng pixel
- Reproducible na mga recipe ng pagsasanay at pagsusuri na may mga checkpoint
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/ijepa.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
