这是名为 ConvNeXt V2 的 Linux 应用程序，其最新版本可以下载为 ConvNeXt-V2sourcecode.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此名为 ConvNeXt V2 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：
ConvNeXt V2
描述：
ConvNeXt V2 是 ConvNeXt 架构的演进版本，它将卷积网络与自监督学习相结合。V2 版本引入了一个完全卷积掩蔽自编码器 (FCMAE) 框架，其中图像的部分内容被掩蔽，网络重建缺失内容，将卷积归纳偏差与强大的预训练相结合。一项关键创新是在 ConvNeXt 主干上添加了一个新的全局响应归一化 (GRN) 层，增强了跨通道的特征竞争。最终，该卷积网络在识别基准测试中能够与 Transformer 架构相媲美，同时保持高效且硬件友好。该代码库提供了多种模型尺寸（Atto、Femto、Pico 直至 Huge）的官方 PyTorch 实现、从 JAX 权重的转换、预训练/微调代码以及预训练检查点。它同时支持自监督预训练和监督微调。
功能
- 全卷积掩蔽自编码器预训练（FCMAE）
- 全局响应标准化（GRN）以提高渠道竞争力
- 多种模型尺寸（Atto、Femto、Pico、Tiny、Base、Large、Huge）
- 支持自我监督和监督学习流程
- 预训练检查点（从 JAX 转换而来）和 PyTorch 实现
- 用于预训练和评估的训练/微调实用程序和代码
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/convnext-v2.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。