Đây là ứng dụng Windows có tên là Pytorch-toolbelt, có thể tải xuống bản phát hành mới nhất dưới dạng PytorchToolbelt0.6.2.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 này có tên là Pytorch-toolbelt 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 bất kỳ trình giả lập trực tuyến OS OnWorks nào từ trang web này, nhưng trình giả lập trực tuyến Windows tốt hơn.
- 5. Từ Hệ điều hành Windows OnWorks 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 và cài đặt nó.
- 7. Tải xuống Wine từ kho phần mềm phân phối Linux của bạn. Sau khi cài đặt, bạn có thể nhấp đúp vào ứng dụng để chạy chúng với Wine. Bạn cũng có thể thử PlayOnLinux, một giao diện đẹp mắt trên Wine sẽ giúp bạn cài đặt các chương trình và trò chơi phổ biến của Windows.
Wine là một cách để chạy phần mềm Windows trên Linux, nhưng không cần Windows. Wine là một lớp tương thích Windows mã nguồn mở có thể chạy các chương trình Windows trực tiếp trên bất kỳ máy tính để bàn Linux nào. Về cơ bản, Wine đang cố gắng triển khai lại đủ Windows từ đầu để nó có thể chạy tất cả các ứng dụng Windows đó mà không thực sự cần đến Windows.
MÀN HÌNH
Ad
Đai công cụ Pytorch
MÔ TẢ
Đai công cụ pytorch là một thư viện Python với một bộ chuông và còi dành cho PyTorch để tạo nguyên mẫu R&D nhanh và canh tác Kaggle. Dễ dàng xây dựng mô hình bằng cách sử dụng kiến trúc bộ mã hóa-giải mã linh hoạt. Các mô-đun: CoordConv, SCSE, Hypercolumn, tích chập có thể phân tách sâu và hơn thế nữa. TTA tăng cường thời gian thử nghiệm thân thiện với GPU để phân đoạn và phân loại. Suy luận thân thiện với GPU trên hình ảnh lớn (5000x5000). Các thói quen phổ biến hàng ngày (sửa/khôi phục hạt giống ngẫu nhiên, tiện ích hệ thống tệp, số liệu). Tổn thất: Tổn thất BinaryFocalLoss, Focal, ReducedFocal, Lovasz, Jaccard và Dice, Wing Loss, v.v. Các tính năng bổ sung cho thư viện Catalyst (Trực quan hóa dự đoán lô, số liệu bổ sung). Theo thiết kế, cả bộ mã hóa và bộ giải mã đều tạo ra một danh sách các tenxơ, từ bản đồ đặc trưng tốt (độ phân giải cao, được lập chỉ mục 0) đến thô (độ phân giải thấp). Truy cập vào tất cả các bản đồ tính năng trung gian sẽ có lợi nếu bạn muốn áp dụng các tổn thất giám sát sâu trên chúng hoặc bộ mã hóa-giải mã của tác vụ phát hiện đối tượng.
Tính năng
- Tạo mô hình FPN Encoder-Decoder với bộ mã hóa được đào tạo trước
- Tạo mô hình Encoder-Decoder U-Net
- Tạo mô hình FPN Encoder-Decoder với bộ mã hóa được đào tạo trước
- Thay đổi số lượng kênh đầu vào cho Bộ mã hóa
- Đếm số tham số trong bộ mã hóa/giải mã và các mô-đun khác
- Tổng hợp nhiều tổn thất
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/pytorch-toolbelt.mirror/. Nó đã được lưu trữ trong OnWorks để có thể chạy trực tuyến theo cách dễ dàng nhất từ một trong các Hệ điều hành miễn phí của chúng tôi.
