memorizing-transformers-pytorch
Implementazione di Memorizing Transformers (ICLR 2022), rete di attenzione aumentata con indicizzazione e recupero di memorie utilizzando vicini più prossimi approssimati, in Pytorch
Implementa e sperimenta tecniche di memoria avanzate nei modelli AI utilizzando PyTorch.
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 vuoiImplementazione di Memorizing Transformers (ICLR 2022), rete di attenzione aumentata con indicizzazione e recupero di memorie utilizzando vicini più prossimi approssimati, in Pytorch
memorizing-transformers-pytorch ha 646 stelle su GitHub. È stato forkato 48 volte. memorizing-transformers-pytorch è scritto principalmente in Python. È in sviluppo attivo dal 2022. memorizing-transformers-pytorch è disponibile con licenza MIT. I suoi temi principali sono: approximate-nearest-neighbors, artificial-intelligence, attention-mechanism, deep-learning.
Che cos'è memorizing-transformers-pytorch?
Implementazione di Memorizing Transformers (ICLR 2022), rete di attenzione aumentata con indicizzazione e recupero di memorie utilizzando vicini più prossimi approssimati, in Pytorch
memorizing-transformers-pytorch è open source?
memorizing-transformers-pytorch è un progetto open source. È rilasciato con licenza MIT.
memorizing-transformers-pytorch è gratuito?
Sì. memorizing-transformers-pytorch è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
Con quale licenza è memorizing-transformers-pytorch?
memorizing-transformers-pytorch è disponibile con licenza MIT.
In quale linguaggio è scritto memorizing-transformers-pytorch?
memorizing-transformers-pytorch è scritto principalmente in Python.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/lucidrains-memorizing-transformers-pytorch.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.