این برنامه ویندوز با نام OpenVINO Training Extensions است که آخرین نسخه آن را می توان با عنوان Releasev1.4.3sourcecode.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این برنامه را با نام OpenVINO Training Extensions با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
عکس ها
Ad
برنامه های افزودنی آموزشی OpenVINO
شرح
برنامه های افزودنی آموزشی OpenVINO محیطی مناسب برای آموزش مدل های یادگیری عمیق و تبدیل آنها با استفاده از جعبه ابزار OpenVINO™ برای استنتاج بهینه فراهم می کند. هنگامی که ote_cli در محیط مجازی نصب می شود، می توانید از رابط خط فرمان ote برای انجام اقدامات مختلف برای الگوهای مربوط به نوع کار انتخابی، مانند اجرا، آموزش، ارزیابی، صادرات و غیره استفاده کنید. ote train یک مدل (یک مدل خاص) را آموزش می دهد. الگوی مدل) روی یک مجموعه داده و نتایج را در دو فایل ذخیره می کند. ote optimize یک مدل از پیش آموزش دیده را با استفاده از NNCF یا POT بسته به قالب مدل بهینه می کند. بهینه‌سازی NNCF برای عکس‌های فوری آموزش‌دیده در قالبی خاص برای چارچوب استفاده می‌شود. بهینه سازی POT برای مدل های صادر شده در قالب OpenVINO IR استفاده می شود.
امکانات
- به اوبونتو 18.04 / 20.04 نیاز دارد
- پشتیبانی از پایتون 3.8+
- برای آموزش GPU به CUDA Toolkit 11.1 نیاز دارد
- فایل های پروژه را می توان در افزونه های آموزشی OpenVINO™ یافت
- Deep Learning Deployment Toolkit تحت مجوز Apache نسخه 2.0 مجوز دارد
- اسکریپت های آموزش، صادرات و ارزیابی برای TensorFlow و اکثر مدل های مبتنی بر PyTorch
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/openvino-train-ext.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
