Ito ang Linux app na pinangalanang SimSiam na ang pinakabagong release ay maaaring ma-download bilang simsiamsourcecode.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 SimSiam 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:
SimSiam
DESCRIPTION:
Ang SimSiam ay isang pagpapatupad ng PyTorch ng "Paggalugad sa Simpleng Pag-aaral ng Representasyon ng Siamese" nina Xinlei Chen at Kaiming He. Ang proyekto ay nagpapakilala ng isang minimalist na diskarte sa self-supervised na pag-aaral na umiiwas sa mga negatibong pares, momentum encoder, o malalaking memory bank—mga pangunahing kumplikado ng mga naunang contrastive na pamamaraan. Natututo ang SimSiam ng mga representasyon ng imahe sa pamamagitan ng pag-maximize ng pagkakatulad sa pagitan ng dalawang pinalaki na view ng parehong larawan sa pamamagitan ng isang Siamese neural network na may stop-gradient na operasyon, na pumipigil sa pagbagsak ng feature. Ang matikas ngunit epektibong disenyong ito ay nakakamit ng malalakas na resulta sa mga hindi pinangangasiwaang benchmark sa pag-aaral gaya ng ImageNet nang hindi nangangailangan ng mga contrastive na pagkalugi. Nagbibigay ang repositoryo ng mga script para sa parehong hindi pinangangasiwaang pre-training at linear na pagsusuri, gamit ang ResNet-50 backbone bilang default. Tugma ito sa multi-GPU distributed na pagsasanay at maaaring maayos o ilipat sa mga downstream na gawain tulad ng object detection kasunod ng parehong setup bilang MoCo.
Mga tampok
- Minimal na self-supervised learning framework na walang negatibong pares o momentum encoder
- PyTorch-based na pagpapatupad na na-optimize para sa distributed multi-GPU na pagsasanay
- Ganap na maaaring kopyahin ang pipeline ng pagsasanay para sa ImageNet gamit ang mga default na hyperparameter mula sa papel
- Kasama ang parehong hindi pinangangasiwaang pre-training at linear na mga script ng pagsusuri
- LARS optimizer support sa pamamagitan ng NVIDIA Apex para sa large-batch na pagsasanay
- Tugma sa mga setup ng paglilipat ng object detection mula sa MoCo
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/simsiam.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.