Bu, en son sürümü v2.5.0--AllmajorMLtasksnowsupported.zip olarak indirilebilen Cleanlab adlı Linux uygulamasıdır. İş istasyonları için ücretsiz barındırma sağlayıcısı OnWorks'te çevrimiçi olarak çalıştırılabilir.
Cleanlab adlı bu uygulamayı OnWorks ile ücretsiz olarak indirin ve çevrimiçi çalıştırın.
Bu uygulamayı çalıştırmak için şu talimatları izleyin:
- 1. Bu uygulamayı PC'nize indirdiniz.
- 2. Dosya yöneticimize https://www.onworks.net/myfiles.php?username=XXXXX istediğiniz kullanıcı adını girin.
- 3. Bu uygulamayı böyle bir dosya yöneticisine yükleyin.
- 4. Bu web sitesinden OnWorks Linux çevrimiçi veya Windows çevrimiçi öykünücüsünü veya MACOS çevrimiçi öykünücüsünü başlatın.
- 5. Yeni başladığınız OnWorks Linux işletim sisteminden, istediğiniz kullanıcı adıyla https://www.onworks.net/myfiles.php?username=XXXXX dosya yöneticimize gidin.
- 6. Uygulamayı indirin, kurun ve çalıştırın.
EKRAN
Ad
temiz laboratuvar
TANIM
cleanlab, makine öğrenimi veri kümesindeki sorunları otomatik olarak algılayarak verileri ve etiketleri temizlemenize yardımcı olur. Karmaşık, gerçek dünya verileriyle makine öğrenimini kolaylaştırmak için bu veri merkezli yapay zeka paketi, daha da iyi modeller eğitmek amacıyla düzeltilebilecek veri kümesi sorunlarını tahmin etmek için mevcut modellerinizi kullanır. cleanlab, verilerinizin etiketlerini bu makalede ve blogda yayınlanan son teknoloji ürünü, kendinden emin öğrenme algoritmaları aracılığıyla temizler. Cleanlab ile temizlenen veri kümelerinden bazılarını şu adreste görebilirsiniz: labelerrors.com. Bu paket, güvenilir makine öğrenimi modellerini eğitebilmeniz için etiket sorunlarını ve diğer veri sorunlarını bulmanıza yardımcı olur. Cleanlab'ın tüm özellikleri her veri seti ve her modelle çalışır. Evet, herhangi bir model: PyTorch, Tensorflow, Keras, JAX, HuggingFace, OpenAI, XGBoost, scikit-learn vb. Sklearn uyumlu bir sınıflandırıcı kullanırsanız, tüm cleanlab yöntemleri kullanıma hazır çalışır.
Özellikler
- İkili ve çok sınıflı sınıflandırma
- Çoklu etiket sınıflandırması (örn. resim/belge etiketleme)
- Belirteç sınıflandırması (örneğin metindeki varlık tanıma)
- Birden fazla açıklayıcı tarafından etiketlenen verilerle sınıflandırma
- Birden fazla açıklayıcıyla aktif öğrenme (modeli en iyi şekilde geliştirmek için hangi verilerin etiketleneceğini veya yeniden etiketleneceğini önerin)
- Aykırı ve dağılım dışı tespiti
Programlama dili
Python
Kategoriler
Bu, https://sourceforge.net/projects/cleanlab.mirror/ adresinden de alınabilecek bir uygulamadır. Ücretsiz İşletim Sistemlerimizden birinden en kolay şekilde çevrimiçi çalıştırılabilmesi için OnWorks'te barındırılmıştır.
