这是名为 Segmentation Models 的 Linux 应用程序，其最新版本可以下载为 SegmentationModels-v0.3.2.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 Segmentation Models with OnWorks 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。
SCREENSHOTS
Ad
分割模型
商品描述
具有预训练骨干的分割模型。 高级 API（只需两行代码即可创建神经网络） 9 个用于二进制和多类分割的模型架构（包括传奇的 Unet） 124 个可用的编码器（以及来自 timm 的 500 多个编码器） 所有编码器都有预训练的权重以更快更好收敛。 训练例程的流行指标和损失。 所有编码器都有预训练的权重。 以与权重预训练相同的方式准备数据可能会给您带来更好的结果（更高的指标分数和更快的收敛）。 如果您训练整个模型，而不仅仅是解码器，则没有必要。 Pytorch 图像模型（又名 timm）有很多预训练模型和接口，允许在 smp 中使用这些模型作为编码器，但是，并非所有模型都受支持。 输入通道参数允许您创建模型，该模型处理具有任意数量通道的张量。
特性
- 高级 API（只需两行即可创建神经网络）
- 用于二进制和多类分割的 9 个模型架构（包括传奇的 Unet）
- 124 个可用编码器（以及来自 timm 的 500 多个编码器）
- 所有编码器都有预训练的权重，以实现更快更好的收敛
- 训练例程的流行指标和损失
- 使用 SMP 创建您的第一个分段模型
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/segmentation-models.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便以最简单的方式从我们的免费操作系统之一在线运行。
