This is the Linux app named ResNeXt whose latest release can be downloaded as ResNeXtsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Завантажте та запустіть онлайн цю програму під назвою ResNeXt з OnWorks безкоштовно.
Дотримуйтесь цих інструкцій, щоб запустити цю програму:
- 1. Завантажив цю програму на свій ПК.
- 2. Введіть у наш файловий менеджер https://www.onworks.net/myfiles.php?username=XXXXX із потрібним ім'ям користувача.
- 3. Завантажте цю програму в такий файловий менеджер.
- 4. Запустіть онлайн-емулятор OnWorks Linux або Windows або онлайн-емулятор MACOS з цього веб-сайту.
- 5. З ОС OnWorks Linux, яку ви щойно запустили, перейдіть до нашого файлового менеджера https://www.onworks.net/myfiles.php?username=XXXXX з потрібним іменем користувача.
- 6. Завантажте програму, встановіть її та запустіть.
ЕКРАНИ
Ad
ResNeXt
ОПИС
ResNeXt — це архітектура глибокої нейронної мережі для класифікації зображень, побудована на ідеї агрегованих залишкових перетворень. Замість простого збільшення глибини або ширини, ResNeXt вводить новий вимір, який називається кардинальністю, що стосується кількості паралельних шляхів перетворення (тобто кількості «гілок»), що об'єднуються разом. Кожна гілка є невеликим перетворенням (наприклад, вузьким блоком), і їхні виходи підсумовуються — це забезпечує багатше представлення без надмірного перевищення параметрів. Конструкція є модульною та однорідною, що робить її відносно легкою для масштабування (шляхом налаштування кардинальності, ширини, глибини) та впровадження в існуючі залишкові фреймворки. Офіційний репозиторій пропонує реалізацію Torch (Lua) з кодом для навчання, оцінки та попередньо навчених моделей на ImageNet. На практиці моделі ResNeXt часто перевершують стандартні моделі ResNet порівнянної складності.
Функції
- Агреговані залишкові перетворення, що поєднують кілька паралельних гілок
- Вводить «кардинальність» як новий архітектурний вимір
- Модульні блоки вузьких місць з легким масштабуванням по ширині/глибині/могутності елементів
- Впровадження Torch зі сценаріями навчання та оцінки
- Попередньо навчені моделі для класифікації ImageNet
- Сумісність із залишковими архітектурами та проста інтеграція
Мова програмування
Lua
Категорії
Цю програму також можна завантажити з https://sourceforge.net/projects/resnext.mirror/. Вона розміщена на OnWorks для найпростішого запуску онлайн з однієї з наших безкоштовних операційних систем.
