Ito ang Linux app na pinangalanang PyCls na ang pinakabagong release ay maaaring ma-download bilang Sweepcodeforstudyingmodelpopulationstatssourcecode.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 PyCls 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:
PyCls
DESCRIPTION:
Ang pycls ay isang nakatutok na PyTorch codebase para sa pagsasaliksik sa pag-uuri ng imahe na nagbibigay-diin sa muling paggawa at matibay, transparent na mga baseline. Pinasikat nito ang mga pamilya tulad ng RegNet at sinusuportahan ang mga klasikong arkitektura (ResNet, ResNeXt) na may malinis na pagpapatupad at pare-parehong mga recipe ng pagsasanay. Kasama sa repositoryo ang mga napakahusay na iskedyul, pagpapalaki, at mga setting ng regularization na ginagawang diretsong tumugma sa naiulat na katumpakan nang walang hula. Ang distributed training at mixed precision ay first-class, na nagbibigay-daan sa mabilis na mga eksperimento sa mga multi-GPU setup na may simple at declarative na mga config. Ang mga kahulugan ng modelo ay maikli at modular, na ginagawang madali ang pag-prototype ng mga bagong bloke o pagpapalit ng mga backbone habang pinapanatili ang natitirang bahagi ng pipeline na hindi nagbabago. Sinasaklaw ng mga pretrained na timbang at mga script ng pagsusuri ang mga karaniwang dataset, at ang pag-log/metric stack ay idinisenyo para sa mabilis na paghahambing sa mga pagtakbo. Ginagamit ng mga practitioner ang mga pycl bilang isang baseline na pabrika at bilang isang scaffold para sa mga bagong backbone ng pag-uuri.
Mga tampok
- Mga pagpapatupad ng sanggunian ng mga pamilyang ResNet/ResNeXt/RegNet
- Reproducible na mga recipe ng pagsasanay na may nakatutok na mga iskedyul at pagpapalaki
- Ibinahagi at mixed-precision na pagsasanay sa labas ng kahon
- Deklarasyon na sistema ng pagsasaayos at malinis na mga pipeline ng data
- Pretrained checkpoints at standardized evaluation scripts
- Minimal, modular model code para sa mabilis na pag-ulit ng arkitektura
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/pycls.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.