Transformer-MM-Explainability
[ICCV 2021- Oral] Implementação oficial em PyTorch para Explicabilidade de Modelo de Atenção Genérica para Interpretação de Transformadores Bi-Modais e Encoder-Decoder, um método inovador para visualizar qualquer rede baseada em Transformador. Incluindo exemplos para DETR, VQA.
Visualize e interprete como a atenção funciona em modelos baseados em Transformer usando os notebooks Jupyter fornecidos.
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[ICCV 2021- Oral] Implementação oficial em PyTorch para Explicabilidade de Modelo de Atenção Genérica para Interpretação de Transformadores Bi-Modais e Encoder-Decoder, um método inovador para visualizar qualquer rede baseada em Transformador. Incluindo exemplos para DETR, VQA.
Transformer-MM-Explainability tem 911 estrelas no GitHub. Foi bifurcado 116 vezes. Transformer-MM-Explainability é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2021. Transformer-MM-Explainability está disponível sob a licença MIT. Os seus principais temas são: clip, detr, explainability, explainable-ai.
O que é Transformer-MM-Explainability?
[ICCV 2021- Oral] Implementação oficial em PyTorch para Explicabilidade de Modelo de Atenção Genérica para Interpretação de Transformadores Bi-Modais e Encoder-Decoder, um método inovador para visualizar qualquer rede baseada em Transformador. Incluindo exemplos para DETR, VQA.
Transformer-MM-Explainability é de código aberto?
Transformer-MM-Explainability é um projeto de código aberto. É distribuído sob a licença MIT.
Transformer-MM-Explainability é gratuito?
Sim. Transformer-MM-Explainability é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está Transformer-MM-Explainability?
Transformer-MM-Explainability está disponível sob a licença MIT.
Em que linguagem Transformer-MM-Explainability está escrito?
Transformer-MM-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-mm-explainability.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.