Це програма для Linux під назвою Pytorch-toolbelt, останню версію якої можна завантажити як PytorchToolbelt0.6.2.zip. Його можна запустити онлайн у безкоштовного хостинг-провайдера OnWorks для робочих станцій.
Завантажте та безкоштовно запустіть цю програму під назвою Pytorch-toolbelt з OnWorks.
Дотримуйтесь цих інструкцій, щоб запустити цю програму:
- 1. Завантажив цю програму на свій ПК.
- 2. Введіть у наш файловий менеджер https://www.onworks.net/myfiles.php?username=XXXXX із потрібним ім'ям користувача.
- 3. Завантажте цю програму в такий файловий менеджер.
- 4. Запустіть онлайн-емулятор OnWorks Linux або Windows або онлайн-емулятор MACOS з цього веб-сайту.
- 5. З ОС OnWorks Linux, яку ви щойно запустили, перейдіть до нашого файлового менеджера https://www.onworks.net/myfiles.php?username=XXXXX з потрібним іменем користувача.
- 6. Завантажте програму, встановіть її та запустіть.
ЕКРАНИ
Ad
Pytorch-пояс для інструментів
ОПИС
Pytorch-toolbelt — це бібліотека Python із набором наворотів для PyTorch для швидкого створення прототипів у дослідженнях і розробках і фармування Kaggle. Просте створення моделі за допомогою гнучкої архітектури кодера-декодера. Модулі: CoordConv, SCSE, Hypercolumn, Depthwise separable convolution тощо. Дружнє GPU збільшення часу тестування TTA для сегментації та класифікації. Графічний процесор робить висновок на величезних (5000x5000) зображеннях. Щоденні загальні процедури (виправлення/відновлення випадкового початкового числа, утиліти файлової системи, метрики). Втрати: BinaryFocalLoss, Focal, ReducedFocal, Lovasz, Jaccard і Dice втрати, Wing Loss тощо. Додаткові функції для бібліотеки Catalyst (візуалізація пакетних прогнозів, додаткові метрики). Відповідно до конструкції кодер і декодер створюють список тензорів, від тонких (висока роздільна здатність, індекс 0) до грубих (низька роздільна здатність) карт функцій. Доступ до всіх карт проміжних функцій корисний, якщо ви хочете застосувати до них втрати глибокого контролю або кодер-декодер завдання виявлення об’єктів.
Функції
- Створення FPN-моделі кодувальника-декодера з попередньо підготовленим кодувальником
- Створення моделі U-Net кодера-декодера
- Створення FPN-моделі кодувальника-декодера з попередньо підготовленим кодувальником
- Змінити кількість вхідних каналів для кодера
- Підрахувати кількість параметрів у кодері/декодері та інших модулях
- Складіть кілька втрат
Мова програмування
Python
Категорії
Це програма, яку також можна завантажити з https://sourceforge.net/projects/pytorch-toolbelt.mirror/. Його розміщено в OnWorks, щоб його можна було найпростіше запускати онлайн з однієї з наших безкоштовних операційних систем.
