这是名为 PML 的 Windows 应用程序，其最新版本可以下载为 v2.3.0.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 PML 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. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 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. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
PML
商品描述
该库包含 9 个模块，每个模块都可以在您现有的代码库中独立使用，也可以组合在一起形成完整的训练/测试工作流程。 要计算训练循环中的损失，请传入模型计算的嵌入和相应的标签。 嵌入应该有大小（N，embedding_size），标签应该有大小（N），其中N是批量大小。 TripletMarginLoss 根据您传递给它的标签计算批次中所有可能的三元组。 锚正对由共享相同标签的嵌入形成，锚负对由具有不同标签的嵌入形成。 损失函数可以使用距离、reducers 和 regularizers 进行定制。 在下图中，矿工在批次中找到硬对的索引。 这些用于索引到由距离对象计算的距离矩阵。 对于此图，损失函数是基于对的，因此它计算每对的损失。
产品优势
- 自定义损失函数
- 使用损失函数进行无监督/自监督学习
- 所需的 PyTorch 版本 Torch >= 1.6
- 开发在 dev 分支上完成
- 代码使用 black 和 isort 格式化
- 您可以将测试数据类型和测试设备指定为环境变量
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/pml.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。
