Ini ialah apl Linux bernama Pytorch-toolbelt yang keluaran terbarunya boleh dimuat turun sebagai PytorchToolbelt0.6.2.zip. Ia boleh dijalankan dalam talian dalam penyedia pengehosan percuma OnWorks untuk stesen kerja.
Muat turun dan jalankan dalam talian apl bernama Pytorch-toolbelt ini dengan OnWorks secara percuma.
Ikut arahan ini untuk menjalankan apl ini:
- 1. Memuat turun aplikasi ini dalam PC anda.
- 2. Masukkan dalam pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXXX dengan nama pengguna yang anda mahukan.
- 3. Muat naik aplikasi ini dalam pengurus filem tersebut.
- 4. Mulakan OnWorks Linux dalam talian atau emulator dalam talian Windows atau emulator dalam talian MACOS dari tapak web ini.
- 5. Daripada OS Linux OnWorks yang baru anda mulakan, pergi ke pengurus fail kami https://www.onworks.net/myfiles.php?username=XXXX dengan nama pengguna yang anda mahukan.
- 6. Muat turun aplikasi, pasang dan jalankan.
SKRIN
Ad
Pytorch-toolbelt
DESCRIPTION
Pinggang alat pytorch ialah perpustakaan Python dengan set loceng dan wisel untuk PyTorch untuk prototaip R&D pantas dan pertanian Kaggle. Pembinaan model mudah menggunakan seni bina pengekod-penyahkod fleksibel. Modul: CoordConv, SCSE, Hypercolumn, Depthwise separable convolution dan banyak lagi. TTA pembesaran masa ujian mesra GPU untuk pembahagian dan pengelasan. Inferens mesra GPU pada imej besar (5000x5000). Rutin biasa setiap hari (baiki/pulihkan benih rawak, kegunaan sistem fail, metrik). Kerugian: BinaryFocalLoss, Focal, ReducedFocal, Lovasz, Jaccard dan Dice kerugian, Wing Loss dan banyak lagi. Tambahan untuk perpustakaan Catalyst (Visualisasi ramalan kelompok, metrik tambahan). Mengikut reka bentuk, kedua-dua pengekod dan penyahkod menghasilkan senarai tensor, daripada peta ciri halus (peleraian tinggi, diindeks 0) kepada kasar (peleraian rendah). Akses kepada semua peta ciri perantaraan adalah berfaedah jika anda ingin menggunakan kehilangan pengawasan yang mendalam pada mereka atau pengekod-penyahkod tugas pengesanan objek.
Ciri-ciri
- Cipta model FPN Pengekod-Penyahkod dengan pengekod terlatih
- Buat model U-Net Pengekod-Penyahkod
- Cipta model FPN Pengekod-Penyahkod dengan pengekod terlatih
- Tukar bilangan saluran input untuk Pengekod
- Kira bilangan parameter dalam pengekod/penyahkod dan modul lain
- Karang berbilang kerugian
Bahasa Pengaturcaraan
Python
Kategori
Ini adalah aplikasi yang juga boleh diambil dari https://sourceforge.net/projects/pytorch-toolbelt.mirror/. Ia telah dihoskan dalam OnWorks untuk dijalankan dalam talian dengan cara yang paling mudah daripada salah satu Sistem Operasi percuma kami.
