InglésFrancésEspañol

icono de página de OnWorks

Descarga de Pytorch-toolbelt para Linux

Descarga gratis la aplicación Pytorch-toolbelt Linux para ejecutar en línea en Ubuntu en línea, Fedora en línea o Debian en línea

Esta es la aplicación de Linux llamada Pytorch-toolbelt cuya última versión se puede descargar como PytorchToolbelt0.6.2.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.

Descargue y ejecute en línea esta aplicación llamada Pytorch-toolbelt con OnWorks de forma gratuita.

Siga estas instrucciones para ejecutar esta aplicación:

- 1. Descargue esta aplicación en su PC.

- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.

- 3. Cargue esta aplicación en dicho administrador de archivos.

- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.

- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.

- 6. Descarga la aplicación, instálala y ejecútala.

SCREENSHOTS

Ad


Pytorch-cinturón de herramientas


DESCRIPCIÓN

Un cinturón de herramientas de pytorch es una biblioteca de Python con un conjunto de campanas y silbatos para PyTorch para la creación rápida de prototipos de I + D y la agricultura de Kaggle. Fácil construcción de modelos utilizando una arquitectura flexible de codificador-decodificador. Módulos: CoordConv, SCSE, Hypercolumn, convolución separable en profundidad y más. TTA de aumento de tiempo de prueba compatible con GPU para segmentación y clasificación. Inferencia compatible con GPU en imágenes enormes (5000x5000). Rutinas comunes de todos los días (arreglar/restaurar semillas aleatorias, utilidades del sistema de archivos, métricas). Pérdidas: pérdidas BinaryFocalLoss, Focal, ReducedFocal, Lovasz, Jaccard y Dice, Wing Loss y más. Extras para la biblioteca Catalyst (Visualización de predicciones por lotes, métricas adicionales). Por diseño, tanto el codificador como el decodificador producen una lista de tensores, desde mapas de características finas (alta resolución, indexado 0) hasta gruesas (baja resolución). El acceso a todos los mapas de características intermedias es beneficioso si desea aplicarles pérdidas de supervisión profundas o codificador-decodificador de tareas de detección de objetos.



Caracteristicas

  • Cree un modelo FPN de codificador-descodificador con codificador preentrenado
  • Crear modelo U-Net de codificador-descodificador
  • Cree un modelo FPN de codificador-descodificador con codificador preentrenado
  • Cambiar el número de canales de entrada para el codificador
  • Cuente el número de parámetros en el codificador/decodificador y otros módulos
  • Componer pérdidas múltiples


Lenguaje de programación

Python


Categorías

Aprendizaje automático (Machine learning & LLM)

Esta es una aplicación que también se puede obtener de https://sourceforge.net/projects/pytorch-toolbelt.mirror/. Ha sido alojado en OnWorks para poder ejecutarse online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.


Servidores y estaciones de trabajo gratuitos

Descargar aplicaciones de Windows y Linux

Comandos de Linux

Ad