זוהי אפליקציית לינוקס בשם DeepCTR אשר את המהדורה האחרונה שלה ניתן להוריד כ-v0.9.3.zip. ניתן להפעיל אותו באופן מקוון בספק האירוח החינמי OnWorks עבור תחנות עבודה.
הורד והפעל באינטרנט את האפליקציה הזו בשם DeepCTR עם OnWorks בחינם.
בצע את ההוראות הבאות כדי להפעיל את האפליקציה הזו:
- 1. הורד את היישום הזה למחשב שלך.
- 2. הזן במנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש שאתה רוצה.
- 3. העלה את היישום הזה במנהל קבצים כזה.
- 4. הפעל את האמולטור המקוון של OnWorks Linux או Windows מקוון או אמולטור מקוון של MACOS מאתר זה.
- 5. ממערכת ההפעלה OnWorks Linux שזה עתה התחלת, עבור אל מנהל הקבצים שלנו https://www.onworks.net/myfiles.php?username=XXXXX עם שם המשתמש הרצוי.
- 6. הורד את האפליקציה, התקן אותה והפעל אותה.
בצילומי מסך
Ad
DeepCTR
תיאור
DeepCTR היא חבילה קלה לשימוש, מודולרית וניתנת להרחבה של דגמי CTR מבוססי למידה עמוקה יחד עם הרבה שכבות של רכיבי ליבה שניתן להשתמש בהם כדי לבנות בקלות מודלים מותאמים אישית. אתה יכול להשתמש בכל מודל מורכב עם model.fit(), ו-model.predict(). ספק ממשק כמו tf.keras.Model לניסוי מהיר. לספק ממשק של מעריך זרימת טנסור לנתונים בקנה מידה גדול והדרכה מבוזרת. זה תואם גם ל-tf 1.x וגם ל-tf 2.x. עם ההצלחה הגדולה של למידה עמוקה, נעשה שימוש נרחב בטכניקות מבוססות DNN במשימת חיזוי CTR. הנתונים במשימת הערכת CTR כוללים בדרך כלל מאפיינים קטגוריים דלילים ובעלי קרדינליות גבוהה וכמה מאפיינים מספריים צפופים. מכיוון ש-DNN טובים בטיפול בתכונות מספריות צפופות, אנו בדרך כלל ממפים את התכונות הקטגוריות הדלילות למספריות צפופות באמצעות טכניקת הטבעה.
תכונות
- CCPM (מודל חיזוי קליקים קונבולוציוני)
- PNN (רשת עצבית מבוססת מוצר)
- FNN (רשת עצבית הנתמכת בפקטוריזציה)
- MLR (רגרסיה לוגיסטית מעורבת/מודל ליניארי מבחינה חלקית)
- NFM (מכונת פקטוריזציה עצבית)
- DCN (Deep & Cross Network)
שפת תכנות
פיתון
כל הקטגוריות
זוהי אפליקציה שניתן להביא גם מ-https://sourceforge.net/projects/deepctr.mirror/. זה התארח ב-OnWorks כדי להפעיל אותו באינטרנט בצורה הקלה ביותר מאחת ממערכות ההפעלה החינמיות שלנו.
