Đây là ứng dụng Windows có tên DeepCTR có bản phát hành mới nhất có thể được tải xuống dưới dạng v0.9.3.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 có tên DeepCTR này 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 bất kỳ trình giả lập trực tuyến OS OnWorks nào từ trang web này, nhưng trình giả lập trực tuyến Windows tốt hơn.
- 5. Từ Hệ điều hành Windows OnWorks 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 và cài đặt nó.
- 7. Tải xuống Wine từ kho phần mềm phân phối Linux của bạn. Sau khi cài đặt, bạn có thể nhấp đúp vào ứng dụng để chạy chúng với Wine. Bạn cũng có thể thử PlayOnLinux, một giao diện đẹp mắt trên Wine sẽ giúp bạn cài đặt các chương trình và trò chơi phổ biến của Windows.
Wine là một cách để chạy phần mềm Windows trên Linux, nhưng không cần Windows. Wine là một lớp tương thích Windows mã nguồn mở có thể chạy các chương trình Windows trực tiếp trên bất kỳ máy tính để bàn Linux nào. Về cơ bản, Wine đang cố gắng triển khai lại đủ Windows từ đầu để nó có thể chạy tất cả các ứng dụng Windows đó mà không thực sự cần đến Windows.
MÀN HÌNH
Ad
CTR sâu
MÔ TẢ
DeepCTR là một gói dễ sử dụng, mô-đun và có thể mở rộng của các mô hình CTR dựa trên học sâu cùng với rất nhiều lớp thành phần cốt lõi có thể được sử dụng để dễ dàng xây dựng các mô hình tùy chỉnh. Bạn có thể sử dụng bất kỳ mô hình phức tạp nào với model.fit () và model.posystem (). Cung cấp giao diện giống như tf.keras.Model để thử nghiệm nhanh. Cung cấp giao diện ước tính tensorflow cho dữ liệu quy mô lớn và đào tạo phân tán. Nó tương thích với cả tf 1.x và tf 2.x. Với sự thành công lớn của học sâu, các kỹ thuật dựa trên DNN đã được sử dụng rộng rãi trong nhiệm vụ dự đoán CTR. Dữ liệu trong nhiệm vụ ước tính CTR thường bao gồm các đối tượng phân loại có độ thưa thớt, bản số cao và một số đối tượng số dày đặc. Vì DNN giỏi xử lý các đối tượng số dày đặc, chúng tôi thường ánh xạ các đối tượng phân loại thưa thớt thành số dày đặc thông qua kỹ thuật nhúng.
Tính năng
- CCPM (Mô hình dự đoán nhấp chuột phù hợp)
- PNN (Mạng thần kinh dựa trên sản phẩm)
- FNN (Mạng thần kinh hỗ trợ Factorization)
- MLR (Hồi quy logistic hỗn hợp / Mô hình tuyến tính từng mảnh)
- NFM (Máy phân tích dữ liệu thần kinh)
- DCN (Mạng sâu & mạng chéo)
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/deepctr.mirror/. Nó đã được lưu trữ trên OnWorks để có thể chạy trực tuyến một cách dễ dàng nhất từ một trong những Hệ thống hoạt động miễn phí của chúng tôi.
