Transformer-MM-Explainability
[ICCV 2021- Oral] Implementazione ufficiale in PyTorch per l'Interpretabilità del Modello di Attenzione Generica per Interpretare Trasformatori Bi-Modali e Encoder-Decoder, un metodo innovativo per visualizzare qualsiasi rete basata su Trasformatore. Inclusi esempi per DETR, VQA.
Visualizza e interpreta come funziona l'attenzione nei modelli basati su Transformer utilizzando i notebook Jupyter forniti.
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[ICCV 2021- Oral] Implementazione ufficiale in PyTorch per l'Interpretabilità del Modello di Attenzione Generica per Interpretare Trasformatori Bi-Modali e Encoder-Decoder, un metodo innovativo per visualizzare qualsiasi rete basata su Trasformatore. Inclusi esempi per DETR, VQA.
Transformer-MM-Explainability ha 911 stelle su GitHub. È stato forkato 116 volte. Transformer-MM-Explainability è scritto principalmente in Jupyter Notebook. È in sviluppo attivo dal 2021. Transformer-MM-Explainability è disponibile con licenza MIT. I suoi temi principali sono: clip, detr, explainability, explainable-ai.
Che cos'è Transformer-MM-Explainability?
[ICCV 2021- Oral] Implementazione ufficiale in PyTorch per l'Interpretabilità del Modello di Attenzione Generica per Interpretare Trasformatori Bi-Modali e Encoder-Decoder, un metodo innovativo per visualizzare qualsiasi rete basata su Trasformatore. Inclusi esempi per DETR, VQA.
Transformer-MM-Explainability è open source?
Transformer-MM-Explainability è un progetto open source. È rilasciato con licenza MIT.
Transformer-MM-Explainability è gratuito?
Sì. Transformer-MM-Explainability è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è Transformer-MM-Explainability?
Transformer-MM-Explainability è disponibile con licenza MIT.
In quale linguaggio è scritto Transformer-MM-Explainability?
Transformer-MM-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-mm-explainability.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.