これは Lightly という名前の Windows アプリで、最新リリースは CyclicCosineScheduler.zip としてダウンロードできます。 ワークステーション用の無料ホスティング プロバイダー OnWorks でオンラインで実行できます。
Lightly with OnWorks という名前のこのアプリをオンラインで無料でダウンロードして実行します。
このアプリを実行するには、次の手順に従ってください。
-1。このアプリケーションをPCにダウンロードしました。
--2。ファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXに必要なユーザー名を入力します。
-3。このアプリケーションをそのようなファイルマネージャにアップロードします。
-4。このWebサイトからOSOnWorksオンラインエミュレーターを起動しますが、Windowsオンラインエミュレーターの方が優れています。
-5。起動したばかりのOnWorksWindows OSから、必要なユーザー名でファイルマネージャーhttps://www.onworks.net/myfiles.php?username=XXXXXにアクセスします。
-6。アプリケーションをダウンロードしてインストールします。
-7.LinuxディストリビューションソフトウェアリポジトリからWineをダウンロードします。 インストールしたら、アプリをダブルクリックして、Wineで実行できます。 また、人気のあるWindowsプログラムやゲームのインストールに役立つWine上の豪華なインターフェイスであるPlayOnLinuxを試すこともできます。
WineはLinux上でWindowsソフトウェアを実行する方法ですが、Windowsは必要ありません。 Wineは、任意のLinuxデスクトップでWindowsプログラムを直接実行できるオープンソースのWindows互換性レイヤーです。 基本的に、Wineは、実際にWindowsを必要とせずに、これらすべてのWindowsアプリケーションを実行できるように、十分な数のWindowsを最初から再実装しようとしています。
スクリーンショットは
Ad
軽く
DESCRIPTION
画像の自己教師あり学習用の Python ライブラリ。 私たち Lightly は、ディープ ラーニングをより効率的にしたいと考える情熱的なエンジニアです。 そのため、コミュニティと協力して、未加工の画像データを理解し、キュレートするための自己教師あり手法の使用を普及させたいと考えています。 私たちのソリューションは、データ注釈ステップの前に適用でき、学習した表現を使用してデータセットを視覚化および分析できます。 これにより、高度なフィルタリングにより、モデルのトレーニングに最適なサンプルのコア セットを選択できます。 プロジェクトをキックスタートするために、モデルごとに PyTorch、PyTorch Lightning、および PyTorch Lightning 分散サンプルを提供します。 Python 3.6 以降が必要ですが、Python 3.7 以降を使用することをお勧めします。 Linux または OSX 環境に Lightly をインストールすることをお勧めします。 lightly を使用すると、PyTorch のフルパワーを使用して、最新の自己教師あり学習メソッドをモジュール方式で使用できます。 さまざまなバックボーン、モデル、および損失関数を試してください。
特徴
- 損失関数などの低レベルのビルディング ブロックを公開するモジュラー フレームワーク
- PyTorch Lightning を使用したマルチ GPU トレーニングのサポート
- 使いやすく、PyTorch のようなスタイルで書かれています
- 自己監視型事前トレーニング用のカスタム バックボーン モデルをサポート
- サポートされているすべてのモデルのサンプル コードを見つけることができます
- プロジェクトをキックスタートするために、モデルごとに PyTorch、PyTorch Lightning、および PyTorch Lightning 分散サンプルを提供します。
プログラミング言語
Python
カテゴリー
https://sourceforge.net/projects/lightly.mirror/ からも取得できるアプリケーションです。 これは、OnWorks でホストされており、無料のオペレーティング システムの XNUMX つからオンラインで簡単に実行できます。
