Transformer-MM-Explainability
[ICCV 2021- Oral] Offizielle PyTorch-Implementierung für die Erklärbarkeit von Generic Attention-Modellen zur Interpretation von Bi-Modal- und Encoder-Decoder-Transformern, eine neuartige Methode zur Visualisierung jedes auf Transformern basierenden Netzwerks. Einschließlich Beispiele für DETR, VQA.
Visualisieren und interpretieren Sie, wie Aufmerksamkeit in Transformer-basierten Modellen funktioniert, mithilfe bereitgestellter Jupyter-Notebooks.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbar[ICCV 2021- Oral] Offizielle PyTorch-Implementierung für die Erklärbarkeit von Generic Attention-Modellen zur Interpretation von Bi-Modal- und Encoder-Decoder-Transformern, eine neuartige Methode zur Visualisierung jedes auf Transformern basierenden Netzwerks. Einschließlich Beispiele für DETR, VQA.
Transformer-MM-Explainability hat 911 Sterne auf GitHub. Es wurde 116-mal geforkt. Transformer-MM-Explainability ist hauptsächlich in Jupyter Notebook geschrieben. Es wird seit 2021 aktiv entwickelt. Transformer-MM-Explainability ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: clip, detr, explainability, explainable-ai.
Was ist Transformer-MM-Explainability?
[ICCV 2021- Oral] Offizielle PyTorch-Implementierung für die Erklärbarkeit von Generic Attention-Modellen zur Interpretation von Bi-Modal- und Encoder-Decoder-Transformern, eine neuartige Methode zur Visualisierung jedes auf Transformern basierenden Netzwerks. Einschließlich Beispiele für DETR, VQA.
Ist Transformer-MM-Explainability Open Source?
Transformer-MM-Explainability ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist Transformer-MM-Explainability kostenlos?
Ja. Transformer-MM-Explainability ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht Transformer-MM-Explainability?
Transformer-MM-Explainability ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist Transformer-MM-Explainability geschrieben?
Transformer-MM-Explainability ist hauptsächlich in Jupyter Notebook geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/hila-chefer-transformer-mm-explainability.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.