这是名为 ConvNeXt 的 Windows 应用程序，其最新版本可以下载为 ConvNeXtsourcecode.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 ConvNeXt 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. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 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. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
截图：
卷积神经网络
描述：
ConvNeXt 是一种现代化的卷积神经网络 (CNN) 架构，旨在在精度和可扩展性方面与 Vision Transformers (ViTs) 相媲美，同时保留 CNN 的简洁性和高效性。它通过 Transformer 设计趋势（大核、倒置瓶颈、层归一化和 GELU 激活）重新审视经典的 ResNet 式主干网络，以弥合卷积和基于注意力机制的模型之间的性能差距。ConvNeXt 简洁的分层结构使其能够在各种视觉识别任务中高效地进行预训练和微调。它在 ImageNet 和下游数据集上取得了具有竞争力甚至更优异的结果，同时比 Transformer 更易于部署和训练。该代码库提供预训练模型、训练方案和消融研究，展示了渐进式设计选择如何共同带来最佳性能。
功能
- 受 Vision Transformer 设计原则启发的现代化 CNN 架构
- 大核卷积和倒置瓶颈块用于增强表示
- 层归一化和 GELU 激活可提高稳定性和准确性
- 具有跨模型尺寸的强大扩展属性的层次结构
- 针对 ImageNet 和下游任务的预训练检查点和训练方案
- 高效部署并与现有的基于 CNN 的系统兼容
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/convnext.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。