This is the Linux app named Higher whose latest release can be downloaded as higherv0.2.1sourcecode.zip. It can be run online in the free hosting provider OnWorks for workstations.
Tải xuống và chạy trực tuyến ứng dụng có tên Higher with OnWorks 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
Cao hơn
MÔ TẢ
higher là một thư viện chuyên biệt được thiết kế để mở rộng khả năng của PyTorch bằng cách cho phép phân biệt bậc cao và siêu học thông qua các vòng lặp tối ưu hóa khả vi. Nó cho phép các nhà phát triển và nhà nghiên cứu tính toán độ dốc thông qua toàn bộ quy trình tối ưu hóa, điều này rất cần thiết cho các tác vụ như siêu học, tối ưu hóa siêu tham số và điều chỉnh mô hình. Thư viện giới thiệu các tiện ích chuyển đổi các thể hiện torch.nn.Module chuẩn thành các dạng hàm "không trạng thái", do đó các cập nhật tham số có thể được coi là các hoạt động khả vi. Nó cũng cung cấp các triển khai khả vi của các trình tối ưu hóa phổ biến như SGD và Adam, giúp có thể truyền ngược qua một số bước tối ưu hóa vòng lặp bên trong tùy ý. Bằng cách cung cấp giao diện rõ ràng và linh hoạt, higher đơn giản hóa việc xây dựng các thuật toán học phức tạp yêu cầu theo dõi độ dốc trên nhiều mức cập nhật. Thiết kế của nó đảm bảo khả năng tương thích với các mô hình PyTorch hiện có.
Tính năng
- Cho phép tối ưu hóa vòng lặp bên trong có thể phân biệt được và theo dõi độ dốc thông qua các bản cập nhật
- Chuyển đổi các mô hình torch.nn.Module thành các dạng chức năng, không trạng thái để học siêu dữ liệu
- Cung cấp các phiên bản có thể phân biệt được của các trình tối ưu hóa tiêu chuẩn như Adam và SGD
- Cho phép tối ưu hóa mở rộng cho tính toán độ dốc bậc cao
- Dễ dàng tích hợp vào quy trình làm việc PyTorch hiện có với sự sửa đổi tối thiểu
- Hỗ trợ các trình tối ưu hóa có thể phân biệt tùy chỉnh thông qua đăng ký và phân lớp con
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tải xuống từ https://sourceforge.net/projects/higher.mirror/. Ứng dụng này được lưu trữ trên OnWorks để có thể chạy trực tuyến dễ dàng nhất từ một trong những Hệ điều hành miễn phí của chúng tôi.
