ນີ້ແມ່ນແອັບ Linux ທີ່ມີຊື່ວ່າ PyTorch Implementation of SDE Solvers ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v0.2.6.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີ OnWorks ສໍາລັບສະຖານີບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ PyTorch ການປະຕິບັດຂອງ SDE Solvers ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ OnWorks Linux ອອນລາຍ ຫຼື Windows online emulator ຫຼື MACOS online emulator ຈາກເວັບໄຊທ໌ນີ້.
- 5. ຈາກ OnWorks Linux OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກ, ຕິດຕັ້ງມັນແລະດໍາເນີນການ.
ໜ້າ ຈໍ
Ad
ການປະຕິບັດ PyTorch ຂອງ SDE Solvers
ລາຍລະອຽດ
ຫ້ອງສະຫມຸດນີ້ສະຫນອງຕົວແກ້ໄຂສົມຜົນຄວາມແຕກຕ່າງ stochastic (SDE) ດ້ວຍການສະຫນັບສະຫນູນ GPU ແລະການຂະຫຍາຍພັນທີ່ມີປະສິດທິພາບ. example/demo.ipynb ໃຫ້ຄໍາແນະນໍາສັ້ນໆກ່ຽວກັບວິທີການແກ້ໄຂ SDEs, ລວມທັງຈຸດທີ່ລະອຽດອ່ອນເຊັ່ນ: ການແກ້ໄຂຄວາມສຸ່ມໃນຕົວແກ້ໄຂແລະການເລືອກປະເພດຂອງສິ່ງລົບກວນ. example/latent_sde.py ຮຽນຮູ້ສົມຜົນຄວາມແຕກຕ່າງ stochastic latent, ເຊັ່ນດຽວກັບໃນພາກທີ 5 ຂອງ [1]. ຕົວຢ່າງທີ່ເຫມາະສົມກັບ SDE ກັບຂໍ້ມູນ, ໃນຂະນະທີ່ເຮັດໃຫ້ມັນເປັນຄືກັບຂະບວນການກ່ອນ Ornstein-Uhlenbeck. ຮູບແບບດັ່ງກ່າວສາມາດຖືກເບິ່ງແບບວ່າງໆເປັນຕົວປ່ຽນລະຫັດອັດຕະໂນມັດທີ່ມີຮູບແບບ SDEs ກ່ອນຫນ້າແລະຫລັງຂອງມັນ. ໂຄງການດັ່ງກ່າວສົ່ງອອກຕົວເລກໄປສູ່ເສັ້ນທາງທີ່ລະບຸໄວ້ໂດຍ
ຄຸນລັກສະນະ
- ຄວາມຕ້ອງການ: Python >=3.6 ແລະ PyTorch >=1.6.0
- Neural SDEs ເປັນ GANs
- SDE ອ່ອນເພຍ
- ຮອງຮັບ GPU ແລະການຂະຫຍາຍພັນທີ່ມີປະສິດທິພາບ
- ຕົວແກ້ສົມຜົນຄວາມແຕກຕ່າງ Stochastic (SDE).
- ການໂຕ້ຖຽງຄໍາຫລັກຈໍານວນຫນຶ່ງຍັງຖືກຍອມຮັບ
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/pytorch-imp-sde-solvers.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ດ້ວຍວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.
