transformer-in-transformer
Implementierung von Transformer in Transformer, pixelgenaue Aufmerksamkeit kombiniert mit patchgenauer Aufmerksamkeit für die Bildklassifizierung in Pytorch
Klassifizieren Sie Bilder mit einem Modell, das sowohl einzelne Pixel als auch größere Abschnitte des Bildes berücksichtigt.
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 abbestellbarImplementierung von Transformer in Transformer, pixelgenaue Aufmerksamkeit kombiniert mit patchgenauer Aufmerksamkeit für die Bildklassifizierung in Pytorch
transformer-in-transformer hat 306 Sterne auf GitHub. Es wurde 41-mal geforkt. transformer-in-transformer ist hauptsächlich in Python geschrieben. Es wird seit 2021 aktiv entwickelt. transformer-in-transformer ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, deep-learning, image-classification, transformers.
Was ist transformer-in-transformer?
Implementierung von Transformer in Transformer, pixelgenaue Aufmerksamkeit kombiniert mit patchgenauer Aufmerksamkeit für die Bildklassifizierung in Pytorch
Ist transformer-in-transformer Open Source?
transformer-in-transformer ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.
Ist transformer-in-transformer kostenlos?
Ja. transformer-in-transformer ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht transformer-in-transformer?
transformer-in-transformer ist unter der MIT-Lizenz verfügbar.
In welcher Sprache ist transformer-in-transformer geschrieben?
transformer-in-transformer ist hauptsächlich in Python geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/lucidrains-transformer-in-transformer.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.