Il s'agit de l'application Linux nommée Bootstrap Your Own Latent (BYOL) dont la dernière version peut être téléchargée sous le nom 0.7.0.zip. Il peut être exécuté en ligne chez le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée Bootstrap Your Own Latent (BYOL) avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
Amorcez votre propre latent (BYOL)
DESCRIPTION:
Mise en œuvre pratique d'une méthode étonnamment simple d'apprentissage auto-supervisé qui atteint un nouvel état de l'art (dépassant SimCLR) sans apprentissage contrastif et sans devoir désigner des paires négatives. Ce référentiel propose un module qui permet d'envelopper facilement n'importe quel réseau neuronal basé sur des images (réseau résiduel, discriminateur, réseau politique) pour commencer immédiatement à bénéficier de données d'images non étiquetées. Il existe désormais de nouvelles preuves selon lesquelles la normalisation par lots est essentielle au bon fonctionnement de cette technique. Un nouvel article a réussi à remplacer la norme de lot par la norme de groupe + la normalisation du poids, réfutant le fait que les statistiques de lot soient nécessaires au fonctionnement du BYOL. Branchez simplement votre réseau neuronal, en spécifiant (1) les dimensions de l'image ainsi que (2) le nom (ou l'index) de la couche cachée, dont la sortie est utilisée comme représentation latente utilisée pour l'entraînement auto-supervisé.
Fonctionnalités
- Mise en œuvre pratique d’une méthode étonnamment simple
- Norme de groupe + standardisation du poids
- Branchez simplement votre réseau neuronal
- BYOL n'a même pas besoin que l'encodeur cible soit une moyenne mobile exponentielle de l'encodeur en ligne
- Récupérer les plongements ou les projections
- Sans apprentissage contrasté
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/bootstrap-latent-byol.mirror/. Il a été hébergé dans OnWorks afin de pouvoir être exécuté en ligne de la manière la plus simple possible à partir de l'un de nos systèmes d'exploitation gratuits.