این برنامه ویندوزی به نام PyTorch Implementation of SDE Solvers است که آخرین نسخه آن را می توان با عنوان v0.2.6.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن با نام PyTorch Implementation of SDE Solvers با OnWorks را 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
PyTorch پیاده سازی SDE Solvers
شرح
این کتابخانه حل کننده های معادلات دیفرانسیل تصادفی (SDE) را با پشتیبانی از GPU و انتشار پس زمینه کارآمد فراهم می کند. examples/demo.ipynb راهنمای کوتاهی در مورد نحوه حل SDE ها، از جمله نکات ظریفی مانند رفع تصادفی بودن در حل کننده و انتخاب انواع نویز ارائه می دهد. examples/latent_sde.py یک معادله دیفرانسیل تصادفی پنهان را یاد می گیرد، همانطور که در بخش 5 از [1]. مثال یک SDE را با داده‌ها منطبق می‌کند، در حالی که آن را به گونه‌ای تنظیم می‌کند که مانند فرآیند قبلی Ornstein-Uhlenbeck باشد. این مدل را می توان به صورت آزادانه به عنوان یک رمزگذار خودکار متغیر با SDE های قبلی و تقریبی آن در نظر گرفت. برنامه ارقام را به مسیر مشخص شده توسط خروجی می دهد
امکانات
- مورد نیاز: Python >=3.6 و PyTorch >=1.6.0
- SDE های عصبی به عنوان GAN
- SDE نهفته
- پشتیبانی از پردازنده گرافیکی و پس انتشار کارآمد
- حل کننده های معادلات دیفرانسیل تصادفی (SDE).
- چندین آرگومان کلیدواژه نیز پذیرفته شده است
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/pytorch-imp-sde-solvers.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از طریق یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
