Dies ist die Windows-App namens ConvNetJS, deren neueste Version als convnetjs_release.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens ConvNetJS mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie einen beliebigen OS OnWorks-Online-Emulator von dieser Website, aber einen besseren Windows-Online-Emulator.
- 5. Rufen Sie vom gerade gestarteten OnWorks Windows-Betriebssystem unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter und installieren Sie sie.
- 7. Laden Sie Wine aus den Software-Repositorys Ihrer Linux-Distributionen herunter. Nach der Installation können Sie dann auf die App doppelklicken, um sie mit Wine auszuführen. Sie können auch PlayOnLinux ausprobieren, eine schicke Schnittstelle über Wine, die Ihnen bei der Installation beliebter Windows-Programme und -Spiele hilft.
Wine ist eine Möglichkeit, Windows-Software unter Linux auszuführen, jedoch ohne Windows. Wine ist eine Open-Source-Windows-Kompatibilitätsschicht, die Windows-Programme direkt auf jedem Linux-Desktop ausführen kann. Im Wesentlichen versucht Wine, genügend Windows von Grund auf neu zu implementieren, damit alle diese Windows-Anwendungen ausgeführt werden können, ohne dass Windows tatsächlich benötigt wird.
SCREENSHOTS:
ConvNetJS
BESCHREIBUNG:
ConvNetJS ist eine Javascript-Bibliothek zum vollständigen Trainieren von Deep-Learning-Modellen (neuronale Netze) in Ihrem Browser. Öffne einen Tab und du trainierst. Keine Softwareanforderungen, keine Compiler, keine Installationen, keine GPUs, kein Schweiß. ConvNetJS ist eine Implementierung von neuronalen Netzwerken zusammen mit netten browserbasierten Demos. Es unterstützt derzeit gängige neuronale Netzwerkmodule (vollständig verbundene Schichten, Nichtlinearitäten), Klassifizierungs- (SVM/Softmax) und Regressions-(L2)-Kostenfunktionen, die Fähigkeit, Convolutional Networks zu spezifizieren und zu trainieren, die Bilder verarbeiten, und experimentelle Reinforcement-Learning-Module, basierend auf Deep-Q-Lernen. Die Bibliothek ermöglicht es Ihnen, Neuronale Netze in Javascript zu formulieren und zu lösen. Wenn Sie der Bibliothek Funktionen hinzufügen möchten, müssen Sie den Code in src/ ändern und dann die Bibliothek in das build/-Verzeichnis kompilieren. Das Kompilierungsskript verkettet einfach Dateien in src/ und minimiert dann das Ergebnis.
Eigenschaften
- Sie können ein zweischichtiges neuronales Netzwerk definieren und es auf einen einzelnen Datenpunkt trainieren
- Sie können Neuronale Netze in Javascript formulieren und lösen
- Sie können Convolutional Neural Network trainieren, wenn Sie Bilder vorhersagen möchten
- Es gibt zwei Möglichkeiten, die Bibliothek zu verwenden, im Browser oder auf einem Server mit node.js.
- Trainieren Sie ein Convolutional Neural Network mit dem MNIST-Zifferndatensatz in Ihrem Browser
- Der Datensatz ist ziemlich einfach und man sollte mit einer Genauigkeit von etwa 99 % rechnen
Programmiersprache
JavaScript
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/convnetjs.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.