anglaisfrançaisespagnol

Icône de favori OnWorks

Implémentation PyTorch du téléchargement des solveurs SDE pour Linux

Téléchargez gratuitement l'application PyTorch Implémentation de l'application Linux SDE Solvers pour l'exécuter en ligne dans Ubuntu en ligne, Fedora en ligne ou Debian en ligne.

Il s'agit de l'application Linux nommée PyTorch Implementation of SDE Solvers dont la dernière version peut être téléchargée sous le nom de v0.2.6.zip. Il peut être exécuté en ligne chez le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.

Téléchargez et exécutez gratuitement en ligne cette application nommée PyTorch Implementation of SDE Solvers with 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

Ad


Implémentation PyTorch des solveurs SDE


DESCRIPTION

Cette bibliothèque fournit des solveurs d'équations différentielles stochastiques (SDE) avec prise en charge GPU et rétropropagation efficace. examples/demo.ipynb donne un petit guide sur la façon de résoudre les SDE, y compris des points subtils tels que la correction du caractère aléatoire dans le solveur et le choix des types de bruit. examples/latent_sde.py apprend une équation différentielle stochastique latente, comme dans la section 5 de [1]. L'exemple adapte un SDE aux données, tout en le régularisant pour qu'il ressemble à un processus préalable d'Ornstein-Uhlenbeck. Le modèle peut être vaguement considéré comme un auto-encodeur variationnel, son antérieur et son postérieur approximatif étant des SDE. Le programme génère les chiffres vers le chemin spécifié par . L'entraînement devrait se stabiliser après 500 itérations avec les hyperparamètres par défaut. examples/sde_gan.py apprend un SDE en tant que GAN, comme dans [2], [3]. L'exemple entraîne un SDE comme générateur d'un GAN, tout en utilisant un CDE neuronal [4] comme discriminateur.



Fonctionnalités

  • Exigences : Python >=3.6 et PyTorch >=1.6.0
  • SDE neuronaux en tant que GAN
  • SDE latente
  • Prise en charge du GPU et rétropropagation efficace
  • Solveurs d'équations différentielles stochastiques (SDE)
  • Plusieurs arguments de mots clés sont également acceptés


Langage de programmation

Python


Catégories

Machine Learning

Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/pytorch-imp-sde-solvers.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.


Serveurs et postes de travail gratuits

Télécharger des applications Windows et Linux

Commandes Linux

Ad