Tiếng AnhTiếng PhápTiếng Tây Ban Nha

Biểu tượng yêu thích OnWorks

Tải xuống DeepCTR-Torch cho Linux

Tải xuống miễn phí ứng dụng DeepCTR-Torch Linux để chạy trực tuyến trong Ubuntu trực tuyến, Fedora trực tuyến hoặc Debian trực tuyến

Đây là ứng dụng Linux có tên DeepCTR-Torch có bản phát hành mới nhất có thể tải xuống dưới dạng v0.2.9.zip. Nó có thể được chạy trực tuyến trong nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks cho máy trạm.

Tải xuống và chạy trực tuyến ứng dụng này có tên DeepCTR-Torch với OnWorks miễn phí.

Làm theo các hướng dẫn sau để chạy ứng dụng này:

- 1. Đã tải ứng dụng này xuống PC của bạn.

- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.

- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.

- 4. Khởi động trình giả lập trực tuyến OnWorks Linux hoặc trình giả lập trực tuyến Windows hoặc trình mô phỏng trực tuyến MACOS từ trang web này.

- 5. Từ Hệ điều hành OnWorks Linux mà bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.

- 6. Tải xuống ứng dụng, cài đặt và chạy nó.

MÀN HÌNH

Ad


Đuốc DeepCTR


MÔ TẢ

DeepCTR-Torch là gói dễ sử dụng, Mô-đun và Có thể mở rộng của các mô hình CTR dựa trên học sâu cùng với nhiều lớp thành phần cốt lõi có thể được sử dụng để xây dựng mô hình tùy chỉnh của riêng bạn một cách dễ dàng. Nó tương thích với PyTorch. Bạn có thể sử dụng bất kỳ mô hình phức tạp nào với model.fit() và model.predict(). Với thành công lớn của học sâu, các kỹ thuật dựa trên DNN đã được sử dụng rộng rãi trong các nhiệm vụ ước tính TLB. Dữ liệu trong nhiệm vụ ước tính CTR thường bao gồm các đặc điểm phân loại có mật độ cao, độ thưa thớt cao và một số đặc điểm số dày đặc. Trình trích xuất bậc thấp học tính năng tương tác thông qua sản phẩm giữa các vectơ. Factorization-Machine và các biến thể của nó được sử dụng rộng rãi để tìm hiểu tương tác tính năng bậc thấp. Trình trích xuất bậc cao học cách kết hợp tính năng thông qua các chức năng mạng thần kinh phức tạp như MLP, Cross Net, v.v.



Tính năng

  • Máy nhân tố chú ý
  • Mô hình tuyến tính từng mảnh
  • Máy nhân tố thần kinh
  • Mạng tiến hóa sở thích sâu
  • Mạng lưới thần kinh dựa trên sản phẩm
  • Mô hình dự đoán nhấp chuột tích chập


Ngôn ngữ lập trình

Python


Danh Mục

Mô hình hóa, Học máy

Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/deepctr-torch.mirror/. Nó đã được lưu trữ trong OnWorks để có thể chạy trực tuyến theo cách dễ dàng nhất từ ​​một trong các Hệ điều hành miễn phí của chúng tôi.


Máy chủ & Máy trạm miễn phí

Tải xuống ứng dụng Windows & Linux

Lệnh Linux

Ad