Transformer-Explainability
[CVPR 2021] Implementazione ufficiale PyTorch per l'Interpretabilità dei Transformer oltre la Visualizzazione dell'Attenzione, un nuovo metodo per visualizzare le classificazioni da reti basate su Transformer.
Visualizza come i modelli Transformer prendono decisioni oltre a guardare semplicemente i punteggi di attenzione.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoi[CVPR 2021] Implementazione ufficiale PyTorch per l'Interpretabilità dei Transformer oltre la Visualizzazione dell'Attenzione, un nuovo metodo per visualizzare le classificazioni da reti basate su Transformer.
Transformer-Explainability ha 2k stelle su GitHub. È stato forkato 260 volte. Transformer-Explainability è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2020. Transformer-Explainability è disponibile con licenza MIT. I suoi temi principali sono: attention-matrix, attention-visualization, bert, bert-model.
Che cos'è Transformer-Explainability?
[CVPR 2021] Implementazione ufficiale PyTorch per l'Interpretabilità dei Transformer oltre la Visualizzazione dell'Attenzione, un nuovo metodo per visualizzare le classificazioni da reti basate su Transformer.
Transformer-Explainability è open source?
Transformer-Explainability è un progetto open source. È rilasciato con licenza MIT.
Transformer-Explainability è gratuito?
Sì. Transformer-Explainability è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Transformer-Explainability?
Transformer-Explainability è disponibile con licenza MIT.
In quale linguaggio è scritto Transformer-Explainability?
Transformer-Explainability è scritto principalmente in Jupyter Notebook.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/hila-chefer-transformer-explainability.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.