Transformer-MM-Explainability
[ICCV 2021- Oral] Implementación oficial en PyTorch para la Explicabilidad del Modelo de Atención Genérica para Interpretar Transformadores Bi-Modales y Encoder-Decoder, un método novedoso para visualizar cualquier red basada en Transformadores. Incluyendo ejemplos para DETR, VQA.
Visualiza e interpreta cómo funciona la atención en modelos basados en Transformer utilizando los cuadernos de Jupyter proporcionados.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quieras[ICCV 2021- Oral] Implementación oficial en PyTorch para la Explicabilidad del Modelo de Atención Genérica para Interpretar Transformadores Bi-Modales y Encoder-Decoder, un método novedoso para visualizar cualquier red basada en Transformadores. Incluyendo ejemplos para DETR, VQA.
Transformer-MM-Explainability tiene 911 estrellas en GitHub. Se ha bifurcado 116 veces. Transformer-MM-Explainability está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2021. Transformer-MM-Explainability está disponible bajo la licencia MIT. Sus temas principales son: clip, detr, explainability, explainable-ai.
¿Qué es Transformer-MM-Explainability?
[ICCV 2021- Oral] Implementación oficial en PyTorch para la Explicabilidad del Modelo de Atención Genérica para Interpretar Transformadores Bi-Modales y Encoder-Decoder, un método novedoso para visualizar cualquier red basada en Transformadores. Incluyendo ejemplos para DETR, VQA.
¿Transformer-MM-Explainability es de código abierto?
Transformer-MM-Explainability es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
¿Transformer-MM-Explainability es gratis?
Sí. Transformer-MM-Explainability es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está Transformer-MM-Explainability?
Transformer-MM-Explainability está disponible bajo la licencia MIT.
¿En qué lenguaje está escrito Transformer-MM-Explainability?
Transformer-MM-Explainability está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/hila-chefer-transformer-mm-explainability.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.