This is the Windows app named MAE (Masked Autoencoders) whose latest release can be downloaded as maesourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
Завантажте та запустіть онлайн цю програму під назвою MAE (Masked Autoencoders) за допомогою 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
MAE (Масковані автоенкодери)
ОПИС
MAE (Масковані Автоенкодери) – це фреймворк із самоконтролем для навчання візуального представлення з використанням моделювання маскованих зображень. Він навчає трансформатор зору (ViT), випадковим чином маскуючи високий відсоток ділянок зображення (зазвичай 75%) та реконструюючи відсутній вміст з решти видимих ділянок. Це змушує модель вивчати семантичну структуру та глобальний контекст без нагляду. Кодер обробляє лише видимі ділянки, тоді як легкий декодер реконструює повне зображення, що робить попереднє навчання обчислювально ефективним. Після попереднього навчання кодер служить потужною основою для подальших завдань, таких як класифікація зображень, сегментація та виявлення, досягаючи максимальної продуктивності з мінімальним тонким налаштуванням. Репозиторій надає попередньо навчені моделі, сценарії точного налаштування, протоколи оцінки та інструменти візуалізації для якості реконструкції та вивчених ознак.
Функції
- Моделювання маскованих зображень з випадковим маскуванням ділянок з високим коефіцієнтом
- Ефективне попереднє навчання завдяки розділенню кодера та декодера (кодер бачить лише видимі ділянки)
- Масштабована магістраль Vision Transformer для завдань машинного зору
- Попередньо навчені моделі та налаштовані скрипти для класифікації, виявлення та сегментації
- Інструменти візуалізації для реконструкції та аналізу представлень
- Парадигма самостійного навчання, що не вимагає маркованих даних
Мова програмування
Python
Категорії
Цю програму також можна завантажити з https://sourceforge.net/projects/mae-masked-autoencoders.mirror/. Вона розміщена в OnWorks для найпростішого запуску онлайн з однієї з наших безкоштовних операційних систем.
