这是名为 DeepCluster 的 Linux 应用程序，其最新版本可以下载为 deepclustersourcecode.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。
免费下载并在线运行这个名为 DeepCluster 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。
截图：
深度聚类
描述：
DeepCluster 是一种经典的自监督聚类表征学习算法，它迭代地对图像特征进行分组，并使用聚类结果作为伪标签来训练网络。在每一轮中，网络生成的特征都会被聚类（例如 k-means 聚类），聚类 ID 将成为下一轮的监督目标，从而鼓励模型优化其表征，以更好地区分语义组。这种交替的“聚类与训练”方案有助于模型在没有标签的情况下逐渐发现有意义的结构。DeepCluster 是无监督视觉特征学习的早期成功案例之一，证明了基于聚类的重构方法在许多下游任务中可以媲美监督基线方法。该代码库包含用于特征提取、聚类、训练循环和评估基准（例如线性探测）的代码。由于其简洁性和模块化设计，DeepCluster 启发了许多后续方法。
功能
- 通过迭代聚类和伪标签监督进行无监督学习
- 交替流程：聚类特征→使用聚类 ID 来训练网络
- 支持特征空间中的 k-means 或其他聚类算法
- 下游任务（分类、检测）的训练和评估脚本
- 用于交换网络架构或聚类方法的模块化代码
- 许多后续自监督方法的基线参考
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/deepcluster.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。