Це програма для Windows під назвою DeepCTR, останню версію якої можна завантажити як v0.9.3.zip. Його можна запустити онлайн у безкоштовного хостинг-провайдера OnWorks для робочих станцій.
Завантажте та запустіть онлайн цю програму під назвою DeepCTR 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
DeepCTR
ОПИС
DeepCTR — це простий у використанні, модульний і розширюваний пакет моделей CTR на основі глибокого навчання разом із безліччю шарів основних компонентів, які можна використовувати для легкого створення користувацьких моделей. Ви можете використовувати будь-яку складну модель з model.fit() і model.predict(). Надайте інтерфейс, схожий на tf.keras.Model, для швидкого експерименту. Забезпечте інтерфейс оцінки тензорного потоку для великомасштабних даних і розподіленого навчання. Він сумісний як з tf 1.x, так і з tf 2.x. З великим успіхом глибокого навчання методики, засновані на DNN, широко використовуються в завданнях прогнозування CTR. Дані в задачі оцінки CTR зазвичай включають категориальні ознаки з високою рідкістю, високою потужністю та деякі щільні числові ознаки. Оскільки DNN добре обробляє щільні числові ознаки, ми зазвичай відображаємо розріджені категоріальні ознаки в щільні числові за допомогою техніки вбудовування.
риси
- CCPM (згортка модель передбачення кліків)
- PNN (нейронна мережа на основі продуктів)
- FNN (нейронна мережа з підтримкою факторізації)
- MLR (змішана логістична регресія/часткова лінійна модель)
- NFM (Машина нейронної факторізації)
- DCN (Глибока й перехресна мережа)
Мова програмування
Python
Категорії
Це додаток, який також можна отримати з https://sourceforge.net/projects/deepctr.mirror/. Його розміщено в OnWorks, щоб його можна було запустити в Інтернеті найпростішим способом з однієї з наших безкоштовних операційних систем.
