transformers

taming-transformers

标签：附件源码文章源码

用于高分辨率图像合成的驯服变压器，CVPR 2021（口服） *，（ *， *平等贡献 tl; dr通过引入卷积VQGAN，我们将卷积方法的效率与转换器的表达能力相结合，该算法学习了上下文相关的视觉部分的密码本，其组成是使用自...

maven-shade-jonas-transformers-5.3.0-m7.jar

标签： jar包 java

maven-shade-jonas-transformers-5.3.0-m7.jar

maven-shade-jonas-transformers-5.3.0-m6.jar

标签： jar包 java

maven-shade-jonas-transformers-5.3.0-m6.jar

SOTR Segmenting Objects with Transformers.pdf

Python库 | x-transformers-0.0.7.tar.gz

标签： python 开发语言 Python库

资源分类：Python库所属语言：Python 资源全名：x-transformers-0.0.7.tar.gz 资源来源：官方安装方法：https://lanzao.blog.csdn.net/article/details/101784059

label-studio-transformers:使用HuggingFace的转换器标记数据并自动获得预测服务

标签： nlp natural-language-processing transformers bert natural-language-understanding text-labeling data-labeling pytorch-transformers label-studio Python

Label Studio for Transformers •• • 通过注释文本数据来转移NLP模型的学习，而无需任何其他编码。该软件包提供了一个可使用的容器，该容器链接在一起：作为注释前端作为NLP的机器学习后端快速使用安装...

Python库 | spacy-transformers-1.1.1.tar.gz

标签： python 综合资源开发语言 Python库

资源分类：Python库所属语言：Python 资源全名：spacy-transformers-1.1.1.tar.gz 资源来源：官方安装方法：https://lanzao.blog.csdn.net/article/details/101784059

hardware-aware-transformers:[ACL 2020] HAT

标签： natural-language-processing machine-translation transformer specialization efficient-model hardware-aware Python

title = {HAT: Hardware-Aware Transformers for Efficient Natural Language Processing}, author = {Wang, Hanrui and Wu, Zhanghao and Liu, Zhijian and Cai, Han and Zhu, Ligeng and Gan, Chuang and Han, ...

Python库 | bio_transformers-0.1.13-py3-none-any.whl

标签： python 开发语言后端 Python库

python库，解压后可用。资源全名：bio_transformers-0.1.13-py3-none-any.whl

标签： python

transformertransformerVision TrasnformersSwin Transformers transformer 对于标准Transformer 要求输入token序列即二位矩阵[num_token][token_dim] Vision Trasnformers 在在代码实现中，通过一个卷积层来实现...

Transformers

标签：字体

看过真人版的变形金刚吗，对谢幕中的字体还有没有印象？呵呵，这个比较酷！

LLM：Transformers模型推理和加速

标签：大语言模型 transformer Optimum

pipeline() 的作用是使用预训练模型进行推断。不同类型的任务所下载的默认预训练模型可以在 Transformers 库的源码]中的 SUPPORTED_TASKS 定义。

Adaptive Attention Span in Transformers

标签： apt attention fo for form IN io iv ns nsf OR orm pan pt rm te ten

简介这篇论文作者提出了一种独特的自注意力机制，能够学习到最佳的attention覆盖文本的范围。 Transoformer很难关注一个超过千个单词的句子，但是在字符语言模型中，会出现跳跃千个字符的关联。...

Python库 | transformers_keras-0.1.2.tar.gz

标签： python keras 开发语言人工智能深度学习

python库。资源全名：transformers_keras-0.1.2.tar.gz

A Survey of Visual Transformers 2021.pdf

标签： Transformer综述论文

A Survey of Visual Transformers 2021.pdf

sentence-transformers-new.rar

标签： SentenceBert Bert AI NLP

SentenceBert最新代码压缩包，用于NLP领域的相似度匹配、信息检索等任务，效果优于目前SOTA模型

Python库 | ckip_transformers-0.2.2-py3-none-any.whl

标签： python 开发语言 Python库

资源分类：Python库所属语言：Python 资源全名：ckip_transformers-0.2.2-py3-none-any.whl 资源来源：官方安装方法：https://lanzao.blog.csdn.net/article/details/101784059

transformers:演讲风格的变压器探索

标签： JupyterNotebook

变形金刚作者：切尔西·扎卢米斯（Chelsea Zaloumis）最后更新：4/15/2021 继Jay Alammar的文章的变压器”之后，对变压器进行了演讲式的探索。包括分组讨论问题和激励示例。演讲目标：变压器的动力 ...

Transformers_Google_Colab_Stuffed_Trash_Fix：当您使用Transformers API在Google Colab中训练模型时，您...

标签： Python

Transformers_Google_Colab_Stuffed_Trash_Fix 当您在Google Colab中使用转换器API训练模型时，您可能会遇到Stuffed Google Drive Trash。由于Google云端硬盘需要额外手动确认删除垃圾箱，因此您的模型将由于没有...

sklearn_transformers:实现多个sklearn变压器以实现多种应用

标签： Python

Trans4mers Trans4mers是sklearn兼容的python软件包，它实现了一些数据预处理方法。当前实现的方法是：归因： KNN回归：此方法根据KNN回归为缺失值输入值。特征提取：我不确定上述方法是否真的是特征提取器。...

Actor-Transformers for Group Activity Recognition.pdf

标签： CVPR 论文

CVPR论文

PyPI 官网下载 | pytorch-fast-transformers-0.1.2.tar.gz

标签： pytorch 人工智能 python 深度学习机器学习

资源来自pypi官网。资源全名：pytorch-fast-transformers-0.1.2.tar.gz

Transformers时间序列预测Exponential Smoothing Transformers（Python完整源码）

标签： Transformers 时间序列预测指数平滑方法

Transformers时间序列预测Exponential Smoothing Transformers（Python完整源码） Exponential Smoothing Transformers for Time-series Forecasting ETSformer 是一种新颖的时间序列 Transformer 架构，它利用指数...

convolution-vision-transformers:CvT的PyTorch实现

标签： computer-vision transformers cnn pytorch classification image-classification convolution Python

CvT：将卷积引入视觉变形金刚 CvT的Pytorch实现用法： img = torch . ones ([ 1 , 3 , 224 , 224 ]) model = CvT ( 224 , 3 , 1000 ) parameters = filter ( lambda p : p . requires_grad , model ....