这是名为 PML 的 Linux 应用程序，其最新版本可以下载为 v2.9.0sourcecode.tar.gz。它可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 PML 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
PML
商品描述
该库包含 9 个模块，每个模块都可以在您现有的代码库中独立使用，也可以组合在一起形成完整的训练/测试工作流程。 要计算训练循环中的损失，请传入模型计算的嵌入和相应的标签。 嵌入应该有大小（N，embedding_size），标签应该有大小（N），其中N是批量大小。 TripletMarginLoss 根据您传递给它的标签计算批次中所有可能的三元组。 锚正对由共享相同标签的嵌入形成，锚负对由具有不同标签的嵌入形成。 损失函数可以使用距离、reducers 和 regularizers 进行定制。 在下图中，矿工在批次中找到硬对的索引。 这些用于索引到由距离对象计算的距离矩阵。 对于此图，损失函数是基于对的，因此它计算每对的损失。
功能
- 自定义损失函数
- 使用损失函数进行无监督/自监督学习
- 所需的 PyTorch 版本 Torch >= 1.6
- 开发在 dev 分支上完成
- 代码使用 black 和 isort 格式化
- 您可以将测试数据类型和测试设备指定为环境变量
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/pml.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。
