这是名为 4M 的 Linux 应用程序，其最新版本可以下载为 ml-4msourcecode.tar.gz。它可以在免费的工作站托管服务提供商 OnWorks 上在线运行。
使用 OnWorks 免费下载并在线运行这个名为 4M 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
截图：
4M
描述：
4M 是一个用于“任意对任意”视觉基础模型的训练框架，它使用标记化和掩码技术来扩展至多种模态和任务。同一模型系列可以对图像进行分类、分割、检测、添加标题甚至生成，并通过单一界面进行判别和生成。该存储库发布了多个变体（例如 4M-7 和 4M-21）的代码和模型，强调迁移到未知任务和模态的能力。训练/推理配置和问题讨论了深度标记器、用于生成的输入掩码以及 CUDA 构建问题等内容，表明正在进行积极的研究迭代。该设计注重灵活性和可操作性，因此提示和掩码可以塑造行为，而无需为每个任务定制头部。简而言之，4M 提供了一个统一的预训练方法，可以对大型多模态模型进行广泛的泛化，同时又保持了微调的实用性。
功能
- 跨不同视觉任务的任意建模
- 针对多种模态的统一标记化掩蔽建模
- 已发布包含训练/评估代码的模型系列（例如 4M-7、4M-21）
- 无需特定任务的头脑，即可提示和控制行为
- 从单一主干转移到未知的任务和模式
- 研究级配置和复现示例
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/fourm.mirror/ 获取。它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最便捷的方式在线运行。