Implémentation de Memorizing Transformers (ICLR 2022), réseau d'attention augmenté avec indexation et récupération de mémoires utilisant des voisins les plus proches approximatifs, en Pytorch
Implémentez et expérimentez avec des techniques de mémoire avancées dans les modèles d'IA en utilisant PyTorch.
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 momentImplémentation de Memorizing Transformers (ICLR 2022), réseau d'attention augmenté avec indexation et récupération de mémoires utilisant des voisins les plus proches approximatifs, en Pytorch
memorizing-transformers-pytorch compte 646 étoiles sur GitHub. Il a été forké 49 fois. memorizing-transformers-pytorch est écrit principalement en Python. Il est développé activement depuis 2022. memorizing-transformers-pytorch est disponible sous licence MIT. Ses principaux thèmes sont : approximate-nearest-neighbors, artificial-intelligence, attention-mechanism, deep-learning.
Implémentation de Memorizing Transformers (ICLR 2022), réseau d'attention augmenté avec indexation et récupération de mémoires utilisant des voisins les plus proches approximatifs, en Pytorch
memorizing-transformers-pytorch est un projet open source. Il est distribué sous licence MIT.
Oui. memorizing-transformers-pytorch est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
memorizing-transformers-pytorch est disponible sous licence MIT.
memorizing-transformers-pytorch est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/lucidrains-memorizing-transformers-pytorch.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.