这是名为 Pytorch-toolbelt 的 Windows 应用程序，其最新版本可以下载为 PytorchToolbelt0.6.2.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 Pytorch-toolbelt 的应用程序和 OnWorks。
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。
SCREENSHOTS
Ad
Pytorch 工具带
商品描述
pytorch-toolbelt 是一个 Python 库，其中包含一组用于 PyTorch 的花里胡哨的功能，用于快速研发原型和 Kaggle 农业。 使用灵活的编码器-解码器架构轻松构建模型。 模块：CoordConv、SCSE、Hypercolumn、Depthwise separable convolution 等等。 用于分割和分类的 GPU 友好的测试时间增强 TTA。 对大型 (5000x5000) 图像进行 GPU 友好的推理。 日常常用例程（修复/恢复随机种子、文件系统实用程序、指标）。 损失：BinaryFocalLoss、Focal、ReducedFocal、Lovasz、Jaccard 和 Dice 损失、Wing 损失等。 Catalyst 库的附加功能（批量预测的可视化，附加指标）。 根据设计，编码器和解码器都会生成一个张量列表，从精细（高分辨率，索引为 0）到粗糙（低分辨率）特征图。 如果您想对它们或目标检测任务的编码器-解码器应用深度监督损失，访问所有中间特征图是有益的。
特征
- 使用预训练的编码器创建 Encoder-Decoder FPN 模型
- 创建编码器-解码器 U-Net 模型
- 使用预训练的编码器创建 Encoder-Decoder FPN 模型
- 更改编码器的输入通道数
- 统计编码器/解码器和其他模块中的参数个数
- 组合多个损失
程式语言
蟒蛇
分类目录
这是一个也可以从 https://sourceforge.net/projects/pytorch-toolbelt.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。
