This is the Windows app named ConvNeXt V2 whose latest release can be downloaded as ConvNeXt-V2sourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
ConvNeXt V2 adlı OnWorks uygulamasını ücretsiz olarak çevrimiçi indirin ve çalıştırın.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden herhangi bir OS OnWorks çevrimiçi öykünücüsünü başlatın, ancak daha iyi Windows çevrimiçi öykünücüsü.
- 5. Yeni başlattığınız OnWorks Windows işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin ve kurun.
- 7. Wine'ı Linux dağıtımları yazılım havuzlarınızdan indirin. Kurulduktan sonra, Wine ile çalıştırmak için uygulamaya çift tıklayabilirsiniz. Ayrıca, popüler Windows programlarını ve oyunlarını yüklemenize yardımcı olacak Wine üzerinden gösterişli bir arayüz olan PlayOnLinux'u da deneyebilirsiniz.
Wine, Windows yazılımını Linux üzerinde çalıştırmanın bir yoludur, ancak Windows gerektirmez. Wine, Windows programlarını doğrudan herhangi bir Linux masaüstünde çalıştırabilen açık kaynaklı bir Windows uyumluluk katmanıdır. Esasen Wine, Windows'a ihtiyaç duymadan tüm bu Windows uygulamalarını çalıştırabilmesi için yeterince Windows'u sıfırdan yeniden uygulamaya çalışıyor.
EKRAN GÖRÜNTÜLERİ:
ConvNeXt V2
AÇIKLAMA:
ConvNeXt V2, öz-denetimli öğrenmeyle birlikte evrişimli ağları birlikte tasarlayan ConvNeXt mimarisinin bir evrimidir. V2 sürümü, görüntünün bazı bölümlerinin maskelendiği ve ağın eksik içeriği yeniden oluşturduğu, evrişimli endüktif önyargıyı güçlü ön eğitimle birleştiren tam evrişimli maskeli otokodlayıcı (FCMAE) çerçevesini sunar. Önemli bir yenilik, ConvNeXt omurgasına eklenen ve kanallar arası özellik rekabetini artıran yeni bir Küresel Tepki Normalizasyonu (GRN) katmanıdır. Sonuç, tanıma kıyaslamalarında transformatör mimarileriyle güçlü bir şekilde rekabet ederken verimli ve donanım dostu bir convnet'tir. Depo, birden fazla model boyutu (Atto, Femto, Pico, Huge'a kadar) için resmi PyTorch uygulamaları, JAX ağırlıklarından dönüşüm, ön eğitim/ince ayar kodu ve önceden eğitilmiş kontrol noktaları sağlar. Hem öz-denetimli ön eğitimi hem de denetimli ince ayarı destekler.
Özellikler
- Tam evrişimli maskeli oto kodlayıcı ön eğitimi (FCMAE)
- Kanal rekabetini iyileştirmek için Küresel Tepki Normalizasyonu (GRN)
- Çoklu model boyutları (Atto, Femto, Pico, Tiny, Base, Large, Huge)
- Kendi kendini denetleyen ve denetlenen öğrenme kanallarına destek
- Önceden eğitilmiş kontrol noktaları (JAX'tan dönüştürülmüş) ve PyTorch uygulaması
- Hem ön eğitim hem de değerlendirme için eğitim/ince ayar yardımcı programları ve kodu
Programlama dili
Python
Kategoriler
Bu uygulama, https://sourceforge.net/projects/convnext-v2.mirror/ adresinden de indirilebilir. Ücretsiz İşletim Sistemlerimizden biri üzerinden çevrimiçi olarak en kolay şekilde çalıştırılabilmesi için OnWorks'te barındırılmıştır.