Đây là ứng dụng Linux có tên là Học sâu với PyTorch có bản phát hành mới nhất có thể được tải xuống dưới dạng DLSP19.zip. Nó có thể được chạy trực tuyến trong nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng có tên Học sâu với PyTorch với OnWorks này miễn phí.
Làm theo các hướng dẫn sau để chạy ứng dụng này:
- 1. Đã tải ứng dụng này xuống PC của bạn.
- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.
- 4. Khởi động trình giả lập trực tuyến OnWorks Linux hoặc trình giả lập trực tuyến Windows hoặc trình mô phỏng trực tuyến MACOS từ trang web này.
- 5. Từ Hệ điều hành OnWorks Linux mà bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 6. Tải xuống ứng dụng, cài đặt và chạy nó.
MÀN HÌNH
Ad
Học sâu với PyTorch
MÔ TẢ
Khóa học này liên quan đến các kỹ thuật mới nhất trong học sâu và học đại diện, tập trung vào học sâu có giám sát và không giám sát, phương pháp nhúng, học theo số liệu, mạng phức hợp và lặp lại, với các ứng dụng cho thị giác máy tính, hiểu ngôn ngữ tự nhiên và nhận dạng giọng nói. Các điều kiện tiên quyết bao gồm DS-GA 1001 Giới thiệu về Khoa học Dữ liệu hoặc khóa học máy học cấp độ sau đại học. Để có thể làm theo các bài tập, bạn sẽ cần một máy tính xách tay có Miniconda (phiên bản tối thiểu của Anaconda) và một số gói Python được cài đặt. Hướng dẫn sau sẽ hoạt động như đối với người dùng Mac hoặc Ubuntu Linux, người dùng Windows sẽ cần cài đặt và làm việc trong thiết bị đầu cuối Git BASH. JupyterLab có chủ đề tối có thể lựa chọn được tích hợp sẵn, vì vậy bạn chỉ cần cài đặt một thứ gì đó nếu muốn sử dụng giao diện sổ tay cổ điển.
Tính năng
- Máy tính xách tay Jupyter được sử dụng xuyên suốt các bài giảng để khám phá và trực quan hóa dữ liệu tương tác
- Kho sổ tay này hiện có một trang web đồng hành
- Kiến thức cơ bản về học có giám sát, mạng lưới thần kinh và học sâu
- Mạng nơron hợp hiến và các ứng dụng của nó
- Thủ thuật quy định hóa, thủ thuật tối ưu hóa và hiểu cách hoạt động của học sâu
- Hình dung về biến đổi tham số mạng nơron và các khái niệm cơ bản về tích chập
Categories
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/deep-l-with-pytorch.mirror/. Nó đã được lưu trữ trên OnWorks để có thể chạy trực tuyến một cách dễ dàng nhất từ một trong những Hệ thống hoạt động miễn phí của chúng tôi.