Ito ang Linux app na pinangalanang Lightly na ang pinakabagong release ay maaaring ma-download bilang CyclicCosineScheduler.zip. 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 Lightly with 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
Mahina
DESCRIPTION
Isang python library para sa self-supervised na pag-aaral sa mga larawan. Kami, sa Lightly, ay masigasig na mga inhinyero na gustong gawing mas mahusay ang malalim na pag-aaral. Iyon ang dahilan kung bakit - kasama ang aming komunidad - gusto naming i-popularize ang paggamit ng mga self-supervised na pamamaraan upang maunawaan at ma-curate ang raw na data ng imahe. Maaaring ilapat ang aming solusyon bago ang anumang hakbang sa annotation ng data at magagamit ang mga natutunang representasyon upang mailarawan at suriin ang mga dataset. Nagbibigay-daan ito sa pagpili ng pinakamahusay na pangunahing hanay ng mga sample para sa pagsasanay ng modelo sa pamamagitan ng advanced na pag-filter. Nagbibigay kami ng PyTorch, PyTorch Lightning at PyTorch Lightning na ipinamahagi na mga halimbawa para sa bawat isa sa mga modelo upang simulan ang iyong proyekto. Bahagyang nangangailangan ng Python 3.6+ ngunit inirerekomenda namin ang paggamit ng Python 3.7+. Inirerekomenda namin ang pag-install ng Lightly sa isang Linux o OSX na kapaligiran. Sa magaan, maaari mong gamitin ang pinakabagong self-supervised na pamamaraan ng pag-aaral sa isang modular na paraan gamit ang buong kapangyarihan ng PyTorch. Mag-eksperimento sa iba't ibang backbones, modelo, at loss function.
Mga tampok
- Modular na balangkas na naglalantad ng mababang antas ng mga bloke ng gusali tulad ng mga function ng pagkawala
- Suporta para sa multi-gpu na pagsasanay gamit ang PyTorch Lightning
- Madaling gamitin at nakasulat sa istilong tulad ng PyTorch
- Sinusuportahan ang mga custom na modelo ng backbone para sa self-supervised na pre-training
- Makakahanap ka ng sample na code para sa lahat ng sinusuportahang modelo
- Nagbibigay kami ng PyTorch, PyTorch Lightning at PyTorch Lightning na ipinamahagi na mga halimbawa para sa bawat isa sa mga modelo upang simulan ang iyong proyekto
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/lightly.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
