Це програма для Windows під назвою DeepCluster, останню версію якої можна завантажити як deepclustersourcecode.tar.gz. Її можна запускати онлайн на безкоштовному хостинг-провайдері OnWorks для робочих станцій.
Завантажте та запустіть онлайн цю програму під назвою DeepCluster 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 будь-який онлайн емулятор ОС OnWorks з цього веб-сайту, але кращий онлайн-емулятор Windows.
- 5. З ОС OnWorks Windows, яку ви щойно запустили, перейдіть до нашого файлового менеджера https://www.onworks.net/myfiles.php?username=XXXXX з потрібним іменем користувача.
- 6. Завантажте програму та встановіть її.
- 7. Завантажте Wine зі сховищ програмного забезпечення дистрибутивів Linux. Після встановлення ви можете двічі клацнути програму, щоб запустити їх за допомогою Wine. Ви також можете спробувати PlayOnLinux, модний інтерфейс замість Wine, який допоможе вам встановити популярні програми та ігри Windows.
Wine — це спосіб запуску програмного забезпечення Windows на Linux, але без використання Windows. Wine — це рівень сумісності Windows з відкритим вихідним кодом, який може запускати програми Windows безпосередньо на будь-якому робочому столі Linux. По суті, Wine намагається повторно реалізувати достатньо Windows з нуля, щоб він міг запускати всі ці програми Windows, насправді не потребуючи Windows.
ЕКРАНИ
Ad
DeepCluster
ОПИС
DeepCluster — це класичний алгоритм навчання представлень на основі кластеризації з самоконтролем, який ітеративно групує ознаки зображення та використовує призначення кластерів як псевдомітки для навчання мережі. У кожному раунді ознаки, створені мережею, кластеризуються (наприклад, k-середні), а ідентифікатори кластерів стають цілями контролю в наступній епосі, що спонукає модель до вдосконалення свого представлення для кращого розділення семантичних груп. Ця схема чергування «кластеризація та навчання» допомагає моделі поступово виявляти значущу структуру без міток. DeepCluster був одним із перших успіхів у візуальному навчанні ознак без контролера, демонструючи, що переформулювання на основі кластеризації може конкурувати з контрольованими базовими рівнями для багатьох подальших завдань. Репозиторій містить код для вилучення ознак, кластеризації, циклів навчання та оціночних тестів, таких як лінійні зонди. Завдяки своїй простоті та модульній конструкції DeepCluster надихнув багато пізніших методів.
Функції
- Самонавчальне навчання за допомогою ітеративної кластеризації та псевдоміткового контролю
- Змінний конвеєр: ознаки кластера → використання ідентифікаторів кластера для навчання мережі
- Підтримка k-середніх або інших алгоритмів кластеризації в просторі ознак
- Скрипти навчання та оцінки для подальших завдань (класифікація, виявлення)
- Модульний код для заміни мережевих архітектур або методів кластеризації
- Базовий орієнтир для багатьох пізніших самостійних підходів
Мова програмування
Python
Категорії
Цю програму також можна завантажити з https://sourceforge.net/projects/deepcluster.mirror/. Вона розміщена в OnWorks для найпростішого запуску онлайн з однієї з наших безкоштовних операційних систем.
