Tiny CUDA Neural Networks എന്ന് പേരിട്ടിരിക്കുന്ന വിൻഡോസ് ആപ്പാണിത്, ഇതിന്റെ ഏറ്റവും പുതിയ പതിപ്പ് Version1.6.zip ആയി ഡൗൺലോഡ് ചെയ്യാം. വർക്ക്സ്റ്റേഷനുകൾക്കായുള്ള സൗജന്യ ഹോസ്റ്റിംഗ് ദാതാവായ OnWorks-ൽ ഇത് ഓൺലൈനായി പ്രവർത്തിപ്പിക്കാം.
OnWorks-നൊപ്പം Tiny CUDA Neural Networks എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് സൗജന്യമായി ഓൺലൈനായി ഡൗൺലോഡ് ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
ഈ ആപ്പ് പ്രവർത്തിപ്പിക്കുന്നതിന് ഈ നിർദ്ദേശങ്ങൾ പാലിക്കുക:
- 1. നിങ്ങളുടെ പിസിയിൽ ഈ ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്തു.
- 2. ഞങ്ങളുടെ ഫയൽ മാനേജറിൽ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമം നൽകുക.
- 3. അത്തരം ഫയൽമാനേജറിൽ ഈ ആപ്ലിക്കേഷൻ അപ്‌ലോഡ് ചെയ്യുക.
- 4. ഈ വെബ്‌സൈറ്റിൽ നിന്ന് ഏതെങ്കിലും OS OnWorks ഓൺലൈൻ എമുലേറ്റർ ആരംഭിക്കുക, എന്നാൽ മികച്ച Windows ഓൺലൈൻ എമുലേറ്റർ.
- 5. നിങ്ങൾ ഇപ്പോൾ ആരംഭിച്ച OnWorks Windows OS-ൽ നിന്ന്, നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമത്തോടുകൂടിയ ഞങ്ങളുടെ ഫയൽ മാനേജർ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിലേക്ക് പോകുക.
- 6. ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്ത് ഇൻസ്റ്റാൾ ചെയ്യുക.
- 7. നിങ്ങളുടെ Linux വിതരണ സോഫ്റ്റ്‌വെയർ ശേഖരണങ്ങളിൽ നിന്ന് വൈൻ ഡൗൺലോഡ് ചെയ്യുക. ഇൻസ്റ്റാൾ ചെയ്‌തുകഴിഞ്ഞാൽ, വൈൻ ഉപയോഗിച്ച് അവ പ്രവർത്തിപ്പിക്കുന്നതിന് നിങ്ങൾക്ക് ആപ്പിൽ ഡബിൾ ക്ലിക്ക് ചെയ്യാം. ജനപ്രിയ വിൻഡോസ് പ്രോഗ്രാമുകളും ഗെയിമുകളും ഇൻസ്റ്റാൾ ചെയ്യാൻ സഹായിക്കുന്ന വൈനിലൂടെയുള്ള ഫാൻസി ഇന്റർഫേസായ PlayOnLinux നിങ്ങൾക്ക് പരീക്ഷിക്കാവുന്നതാണ്.
ലിനക്സിൽ വിൻഡോസ് സോഫ്റ്റ്‌വെയർ പ്രവർത്തിപ്പിക്കാനുള്ള ഒരു മാർഗമാണ് വൈൻ, എന്നാൽ വിൻഡോസ് ആവശ്യമില്ല. ഏത് ലിനക്സ് ഡെസ്ക്ടോപ്പിലും നേരിട്ട് വിൻഡോസ് പ്രോഗ്രാമുകൾ പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന ഒരു ഓപ്പൺ സോഴ്സ് വിൻഡോസ് കോംപാറ്റിബിലിറ്റി ലെയറാണ് വൈൻ. അടിസ്ഥാനപരമായി, വൈൻ ആദ്യം മുതൽ ആവശ്യത്തിന് വിൻഡോസ് വീണ്ടും നടപ്പിലാക്കാൻ ശ്രമിക്കുന്നു, അതുവഴി യഥാർത്ഥത്തിൽ വിൻഡോസ് ആവശ്യമില്ലാതെ തന്നെ എല്ലാ വിൻഡോസ് ആപ്ലിക്കേഷനുകളും പ്രവർത്തിപ്പിക്കാൻ കഴിയും.
സ്ക്രീൻഷോട്ടുകൾ:
ചെറിയ CUDA ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ
വിവരണം:
ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ പരിശീലിപ്പിക്കുന്നതിനും അന്വേഷിക്കുന്നതിനുമുള്ള ഒരു ചെറിയ, സ്വയം ഉൾക്കൊള്ളുന്ന ചട്ടക്കൂടാണിത്. ഏറ്റവും ശ്രദ്ധേയമായി, അതിൽ മിന്നൽ വേഗത്തിലുള്ള "പൂർണ്ണമായി സംയോജിപ്പിച്ച" മൾട്ടി-ലെയർ പെർസെപ്‌ട്രോൺ (സാങ്കേതിക പേപ്പർ), ഒരു ബഹുമുഖ മൾട്ടിറെസല്യൂഷൻ ഹാഷ് എൻകോഡിംഗ് (സാങ്കേതിക പേപ്പർ), കൂടാതെ മറ്റ് വിവിധ ഇൻപുട്ട് എൻകോഡിംഗുകൾ, നഷ്ടങ്ങൾ, ഒപ്റ്റിമൈസറുകൾ എന്നിവയ്ക്കുള്ള പിന്തുണയും അടങ്ങിയിരിക്കുന്നു. ഒരു ഇമേജ് ഫംഗ്‌ഷൻ (x,y) -> (R,G,B) പഠിക്കുന്ന ഒരു സാമ്പിൾ ആപ്ലിക്കേഷൻ ഞങ്ങൾ നൽകുന്നു. ഈ ചട്ടക്കൂടിന്റെ പൂർണ്ണമായി സംയോജിപ്പിച്ച MLP ഘടകത്തിന് അതിന്റെ ഡിഫോൾട്ട് കോൺഫിഗറേഷനിൽ വളരെ വലിയ അളവിൽ പങ്കിട്ട മെമ്മറി ആവശ്യമാണ്. ഒരു RTX 3090, RTX 2080 Ti, അല്ലെങ്കിൽ ഹൈ-എൻഡ് എന്റർപ്രൈസ് ജിപിയു എന്നിവയിൽ മാത്രമേ ഇത് പ്രവർത്തിക്കൂ. ലോവർ-എൻഡ് കാർഡുകൾ n_neurons പാരാമീറ്റർ കുറയ്ക്കണം അല്ലെങ്കിൽ പകരം CutlassMLP (മികച്ച അനുയോജ്യത എന്നാൽ വേഗത കുറവാണ്) ഉപയോഗിക്കുക. tiny-cuda-nn ഒരു PyTorch വിപുലീകരണത്തോടൊപ്പമാണ് വരുന്നത്, അത് ഒരു പൈത്തൺ സന്ദർഭത്തിൽ നിന്ന് വേഗതയേറിയ MLP-കളും ഇൻപുട്ട് എൻകോഡിംഗുകളും ഉപയോഗിക്കാൻ അനുവദിക്കുന്നു. ഈ ബൈൻഡിംഗുകൾ പൂർണ്ണമായ പൈത്തൺ നടപ്പിലാക്കലുകളേക്കാൾ വളരെ വേഗതയുള്ളതാണ്; പ്രത്യേകിച്ചും മൾട്ടി റെസല്യൂഷൻ ഹാഷ് എൻകോഡിംഗിന്.
സവിശേഷതകൾ
- ചെറിയ CUDA ന്യൂറൽ നെറ്റ്‌വർക്കുകൾക്ക് ലളിതമായ C++/CUDA API ഉണ്ട്
- ഒരു 2D ഇമേജ് പഠിക്കുക
- ഒരു NVIDIA GPU ആവശ്യമാണ്
- വിൻഡോസ് ആവശ്യമാണ്: വിഷ്വൽ സ്റ്റുഡിയോ 2019
- Linux ആവശ്യമാണ്: GCC/G++ 7.5 അല്ലെങ്കിൽ ഉയർന്നത്
- CUDA v10.2 അല്ലെങ്കിൽ ഉയർന്നതും CMake v3.21 അല്ലെങ്കിൽ ഉയർന്നതും ആവശ്യമാണ്.
പ്രോഗ്രാമിംഗ് ഭാഷ
സി ++
Categories
ഇത് https://sourceforge.net/projects/tiny-cuda-neural-netw.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിലൊന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.