Questa è l'app Linux denominata Catalyst la cui ultima versione può essere scaricata come Catalyst21.12.zip. Può essere eseguito online nel provider di hosting gratuito OnWorks per workstation.
Scarica ed esegui online questa app denominata Catalyst con OnWorks gratuitamente.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avviare l'emulatore online OnWorks Linux o Windows online o l'emulatore online MACOS da questo sito Web.
- 5. Dal sistema operativo OnWorks Linux che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione, installala ed eseguila.
IMMAGINI
Ad
Catalizzatore
DESCRIZIONE
Catalyst è un framework PyTorch per la ricerca e lo sviluppo accelerati di Deep Learning. Ti consente di scrivere pipeline di Deep Learning compatte ma complete con poche righe di codice. Con Catalyst ottieni un set completo di funzionalità tra cui un ciclo di allenamento con metriche, checkpoint del modello e altro, il tutto senza il boilerplate. Catalyst si concentra sulla riproducibilità, sulla sperimentazione rapida e sul riutilizzo della base di codice in modo da poter interrompere il ciclo di scrittura di un altro ciclo di treni regolari e creare qualcosa di totalmente nuovo.
Catalyst è compatibile con Python 3.6+. PyTorch 1.1+ ed è stato testato su Ubuntu 16.04/18.04/20.04, macOS 10.15, Windows 10 e Windows Subsystem per Linux. Fa parte dell'ecosistema PyTorch, così come dell'ecosistema Catalyst che include Alchemy (registrazione e visualizzazione degli esperimenti) e Reaction (convenienti modelli di deep learning).
Caratteristiche
- Ciclo di treno/inferenza universale
- File di configurazione per iperparametri modello/dati
- Tutto il codice sorgente e le variabili di ambiente vengono salvati per la riproducibilità
- Richiamate: parti riutilizzabili della pipeline di treno/inferenza con facile personalizzazione
- Supporto per le fasi di formazione
- Best practice per il deep learning: SWA, AdamW, Ranger Optimizer, OneCycle e altro
- Migliori pratiche di sviluppo: supporto fp16, formazione distribuita, supporto slurm
Linguaggio di programmazione
Python
Categorie
Questa è un'applicazione che può anche essere scaricata da https://sourceforge.net/projects/catalyst.mirror/. È stato ospitato in OnWorks per essere eseguito online in modo più semplice da uno dei nostri sistemi operativi gratuiti.
