Ito ang Windows app na pinangalanang DiffEqFlux.jl na ang pinakabagong release ay maaaring ma-download bilang v4.2.0sourcecode.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 DiffEqFlux.jl gamit ang 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. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows 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 at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
DiffEqFlux.jl
DESCRIPTION
Ang DiffEqFlux.jl ay isang Julia library na pinagsasama ang mga differential equation sa mga neural network, na nagbibigay-daan sa paglikha ng mga neural differential equation (neural ODEs), mga unibersal na differential equation, at mga modelo ng pag-aaral na may kaalaman sa pisika. Nagsisilbi itong tulay sa pagitan ng mga library ng DifferentialEquations.jl at Flux.jl, na nagbibigay-daan para sa end-to-end differentiable simulation at pagsasanay ng modelo sa scientific machine learning. Ang DiffEqFlux.jl ay malawakang ginagamit para sa pagmomodelo ng mga dynamical system na may mga bahaging natutunan.
Mga tampok
- Pinagsasama ang mga neural network at differential equation
- Sumasama sa Flux.jl at sa mas malawak na SciML ecosystem
- Sinusuportahan ang mga neural ODE, SDE, DDE, at DAE
- Pinapagana ang gradient-based na pag-optimize ng mga dynamic na modelo
- Nagbibigay-daan sa machine learning na may kaalaman sa physics at hybrid modeling
- Nagbibigay ng suporta sa GPU at awtomatikong pagkita ng kaibhan
Wika ng Programming
Julia
Kategorya
Ito ay isang application na maaari ding makuha mula sa https://sourceforge.net/projects/diffeqflux-jl.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
