这是名为 Thinc 的 Linux 应用程序，其最新版本可以作为 v8.2.1_SupportPython3.12.zip 下载。 它可以在免费的工作站托管提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 Thinc with OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
SCREENSHOTS
Ad
薄层
商品描述
Thinc 是一个轻量级的深度学习库，它提供了一个优雅的、经过类型检查的、功能编程的 API，用于组合模型，并支持在 PyTorch、TensorFlow 和 MXNet 等其他框架中定义的层。 您可以将 Thinc 用作接口层、独立工具包或开发新模型的灵活方式。 通过 spaCy 和 Prodigy，之前版本的 Thinc 已经在数千家公司中悄然运行。 我们编写了新版本，让用户可以编写、配置和部署使用他们最喜欢的框架构建的自定义模型。 在 PyTorch、TensorFlow 和 MXNet 模型之间切换而无需更改您的应用程序，甚至使用零拷贝数组交换创建突变混合体。 通过复杂的类型检查更快地开发并更快地发现错误。 试图将一维数组传递给需要二维的模型？ 那是类型错误。 您的编辑器可以在代码离开您的手指时将其拾取。
产品优势
- 使用自定义类型和 mypy 插件对模型定义进行类型检查
- 包装 PyTorch、TensorFlow 和 MXNet 模型以在您的网络中使用
- 简洁的函数式编程方法来定义模型，使用组合而不是继承
- 通过运算符重载的可选自定义中缀表示法
- 用于描述对象树和超参数树的集成配置系统
- 可扩展后端的选择
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/thinc.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。
