Transformer-MM-Explainability
[ICCV 2021- Oral] Implémentation officielle en PyTorch pour l'Explicabilité du modèle d'attention générique pour l'interprétation des Transformateurs bi-modaux et encodeur-décodeur, une méthode novatrice pour visualiser tout réseau basé sur des Transformateurs. Comprend des exemples pour DETR, VQA.
Visualisez et interprétez comment l'attention fonctionne dans les modèles basés sur Transformer en utilisant les notebooks Jupyter fournis.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout moment[ICCV 2021- Oral] Implémentation officielle en PyTorch pour l'Explicabilité du modèle d'attention générique pour l'interprétation des Transformateurs bi-modaux et encodeur-décodeur, une méthode novatrice pour visualiser tout réseau basé sur des Transformateurs. Comprend des exemples pour DETR, VQA.
Transformer-MM-Explainability compte 911 étoiles sur GitHub. Il a été forké 116 fois. Transformer-MM-Explainability est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2021. Transformer-MM-Explainability est disponible sous licence MIT. Ses principaux thèmes sont : clip, detr, explainability, explainable-ai.
Qu'est-ce que Transformer-MM-Explainability ?
[ICCV 2021- Oral] Implémentation officielle en PyTorch pour l'Explicabilité du modèle d'attention générique pour l'interprétation des Transformateurs bi-modaux et encodeur-décodeur, une méthode novatrice pour visualiser tout réseau basé sur des Transformateurs. Comprend des exemples pour DETR, VQA.
Transformer-MM-Explainability est-il open source ?
Transformer-MM-Explainability est un projet open source. Il est distribué sous licence MIT.
Transformer-MM-Explainability est-il gratuit ?
Oui. Transformer-MM-Explainability est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est Transformer-MM-Explainability ?
Transformer-MM-Explainability est disponible sous licence MIT.
Dans quel langage Transformer-MM-Explainability est-il écrit ?
Transformer-MM-Explainability est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/hila-chefer-transformer-mm-explainability.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.