Transformer-Explainability
[CVPR 2021] Implementação oficial do PyTorch para Interpretabilidade de Transformadores Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformadores.
Visualize como modelos Transformer tomam decisões além de apenas olhar para pontuações de atenção.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiser[CVPR 2021] Implementação oficial do PyTorch para Interpretabilidade de Transformadores Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformadores.
Transformer-Explainability tem 2k estrelas no GitHub. Foi bifurcado 260 vezes. Transformer-Explainability é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2020. Transformer-Explainability está disponível sob a licença MIT. Os seus principais temas são: attention-matrix, attention-visualization, bert, bert-model.
O que é Transformer-Explainability?
[CVPR 2021] Implementação oficial do PyTorch para Interpretabilidade de Transformadores Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformadores.
Transformer-Explainability é de código aberto?
Transformer-Explainability é um projeto de código aberto. É distribuído sob a licença MIT.
Transformer-Explainability é gratuito?
Sim. Transformer-Explainability é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está Transformer-Explainability?
Transformer-Explainability está disponível sob a licença MIT.
Em que linguagem Transformer-Explainability está escrito?
Transformer-Explainability é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/hila-chefer-transformer-explainability.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.