memorizing-transformers-pytorch
Implementação de Memorizing Transformers (ICLR 2022), rede de atenção aumentada com indexação e recuperação de memórias usando vizinhos mais próximos aproximados, em Pytorch
Implemente e experimente técnicas avançadas de memória em modelos de IA usando PyTorch.
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 quiserImplementação de Memorizing Transformers (ICLR 2022), rede de atenção aumentada com indexação e recuperação de memórias usando vizinhos mais próximos aproximados, em Pytorch
memorizing-transformers-pytorch tem 646 estrelas no GitHub. Foi bifurcado 48 vezes. memorizing-transformers-pytorch é escrito principalmente em Python. Está em desenvolvimento ativo desde 2022. memorizing-transformers-pytorch está disponível sob a licença MIT. Os seus principais temas são: approximate-nearest-neighbors, artificial-intelligence, attention-mechanism, deep-learning.
O que é memorizing-transformers-pytorch?
Implementação de Memorizing Transformers (ICLR 2022), rede de atenção aumentada com indexação e recuperação de memórias usando vizinhos mais próximos aproximados, em Pytorch
memorizing-transformers-pytorch é de código aberto?
memorizing-transformers-pytorch é um projeto de código aberto. É distribuído sob a licença MIT.
memorizing-transformers-pytorch é gratuito?
Sim. memorizing-transformers-pytorch é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está memorizing-transformers-pytorch?
memorizing-transformers-pytorch está disponível sob a licença MIT.
Em que linguagem memorizing-transformers-pytorch está escrito?
memorizing-transformers-pytorch é escrito principalmente em Python.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://olud.ai/project/lucidrains-memorizing-transformers-pytorch.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.