这是名为 ResNeXt 的 Linux 应用程序,其最新版本可以下载为 ResNeXtsourcecode.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 ResNeXt 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:
ResNeXt
描述:
ResNeXt 是一种基于聚合残差变换思想的图像分类深度神经网络架构。ResNeXt 并非简单地增加深度或宽度,而是引入了一个名为基数的新维度,它指的是聚合在一起的并行变换路径的数量(即“分支”的数量)。每个分支都是一个小型变换(例如瓶颈块),它们的输出会被相加——这可以在不过度增加参数的情况下实现更丰富的表征。该设计采用模块化和同构化设计,因此相对易于扩展(通过调整基数、宽度和深度)并应用于现有的残差框架。官方代码库提供了一个 Torch (Lua) 实现,其中包含用于在 ImageNet 上训练、评估和预训练模型的代码。在实践中,ResNeXt 模型的表现通常优于复杂度相当的标准 ResNet 模型。
功能
- 结合多个并行分支的聚合残差变换
- 引入“基数”作为新的架构维度
- 模块化瓶颈块,可轻松扩展宽度/深度/基数
- 使用训练和评估脚本实现 Torch
- ImageNet 分类的预训练模型
- 与残差架构兼容并可直接集成
程式语言
LUA
分类
此应用程序也可从 https://sourceforge.net/projects/resnext.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。