Ito ang Windows app na pinangalanang DETR na ang pinakabagong release ay maaaring ma-download bilang Detectron2anddtorchscriptsupport,attentionandpanopticnotebooks,codeimprovements.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang DETR sa OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
DETR
DESCRIPTION
PyTorch training code at pretrained na mga modelo para sa DETR (DEtection TRansformer). Pinapalitan namin ng Transformer ang buong kumplikadong hand-crafted object detection pipeline, at itinutugma namin ang Faster R-CNN sa isang ResNet-50, na nakakakuha ng 42 AP sa COCO gamit ang kalahati ng computation power (FLOPs) at ang parehong bilang ng mga parameter. Hinuha sa 50 linya ng PyTorch. Ano ito. Hindi tulad ng tradisyonal na mga diskarte sa computer vision, ang DETR ay lumalapit sa pagtuklas ng bagay bilang isang direktang set ng problema sa hula. Binubuo ito ng isang set-based na global loss, na pumipilit sa mga natatanging hula sa pamamagitan ng bipartite matching, at isang Transformer encoder-decoder architecture. Dahil sa isang nakapirming maliit na hanay ng mga natutunang query sa bagay, ang DETR ay nangangatuwiran tungkol sa mga ugnayan ng mga bagay at ang pandaigdigang konteksto ng imahe upang direktang ilabas ang huling hanay ng mga hula nang magkatulad. Dahil sa magkatulad na katangiang ito, ang DETR ay napakabilis at mahusay.
Mga tampok
- Napakasimpleng ipatupad at eksperimento ang DETR
- Nagbibigay kami ng baseline na DETR at DETR-DC5 na mga modelo
- Available din ang mga modelo sa pamamagitan ng torch hub
- Walang karagdagang pinagsama-samang mga bahagi sa DETR at ang mga dependency ng package ay minimal
- Sinasanay namin ang DETR gamit ang AdamW na nagtatakda ng learning rate sa transformer sa 1e-4 at 1e-5 sa backbone
- Ipinapakita namin na medyo diretso ang pagpapalawak ng DETR upang mahulaan ang mga segment ng mask
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/detr.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
