注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. transganformer:TransGanFormer的实现，这是一种全神贯注的GAN，结合了最新的GanFormer和TransGan论文的发现-源码

  2. TransGanFormer（WIP） TransGanFormer的实现，这是一种全神贯注的GAN，结合了最新和论文的发现。 它还将包含我在过去一年左右的时间里学到的建造建筑物变压器和GAN的许多技巧，包括有效的线性注意力和像素级注意力。 引文 misc { jiang2021transgan , title = { TransGAN: Two Transformers Can Make One Strong GAN } , author = { Yifan Jian

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：3072
    • 提供者：weixin_42116058

  1. SemaFor-Fake-News-源码

  2. 此仓库基于DIDAN模型构建。 依存关系 Python=3.6 Pytorch=1.2.0 spacy=2.0.12 transformers=4.2.2 (pip install pytorch-transformers) 原始神经新闻数据集 请按照此处的说明（ ）下载NeuralNews数据集。 特别是，请下载此文件（ ）并将其放入数据文件夹。 预处理数据（或下载） 图片功能 对于每张图像，我们使用在视觉基因组上预先训练的Faster-RCNN模型（ ）提取36个区域特征。 每个图像的

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：53248
    • 提供者：weixin_42128988

  1. transformers-interpret-streamlit:Streamlit演示应用程序，用于演示使用多种模型解释的变压器的功能-源码

  2. 变压器解释Streamlit App 一个简单的精简应用程序，用于演示《某些功能。 查看7个以上文本分类的HuggingFace Transformer模型的单词属性。 查看模型中任何类/标签的属性。 查看模型字词和位置嵌入的归因 安装 pip install -r requirements.txt 跑 streamlit run app.py

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：51200
    • 提供者：weixin_42113794

  1. attention-rank-collapse:我们显示出纯粹的注意力会遭受等级崩溃，以及不同的机制如何应对-源码

  2. 注意不是所有你需要的，纯粹的注意力失去秩双成倍与深度。 ，（ 。 在这项工作中，我们发现纯粹的注意力相对于深度成倍地下降。 我们分析了MLP和跳过连接如何抵消这种衰减。 。 该存储库包含我们实验的代码。 要求 要安装工作环境： conda create --name rank-collapse python=3.8 conda activate rank-collapse pip install git+git://github.com/huggingface/transformers.

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42118160

  1. DistilBERT-base-jp-源码

  2. 语言 执照 日本人 麻省理工学院 日本DistilBERT预训练模型 一个日语DistilBERT预训练模型，该模型在上进行了训练。 找到日语的快速入门指南。 目录 介绍 DistilBERT是基于Bert架构的小型，快速，便宜且轻便的Transformer模型。 与GLUE语言理解基准相比，它的参数比基于BERT的参数少40％，运行速度提高60％，同时保留BERT的97％的性能。 此模型从在AWS p3dn.24xlarge实例上使用官方的Hugging Face实施进行了2周的培训。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：140288
    • 提供者：weixin_42161450

  1. RecAdam:RecAdam纸的代码-源码

  2. 雷亚当 介绍 我们提供了RecAdam （召回亚当）优化器，以促进微调深度预训练的语言模型（例如BERT，ALBERT），从而减少遗忘。 有关详细的描述和实验结果，请参阅我们的论文：（EMNLP 2020接受）。 环境 python > = 3.6 pytorch > = 1.0.0 transformers > = 2.5.1 档案文件 RecAdam.py ：此文件包括RecAdam优化器实现，该实现由从AdamW优化器实现修改而来。 run_glue_with_Rec

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：17408
    • 提供者：weixin_42116921

  1. deit:官方DeiT资料库-源码

  2. DeiT：数据高效的图像转换器 该存储库包含PyTorch评估代码，训练代码和DeiT（数据有效图像转换器）的预训练模型。 他们在速度/精度方面获得了竞争性的权衡： 有关详细信息，请参见Hugo Touvron，Matthieu Cord，Matthijs Douze，Francisco Massa，Alexandre Sablayrolles和HervéJégou的来。 如果您将此代码用于论文，请引用： article{touvron2020deit, title={Trainin

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：174080
    • 提供者：weixin_42151036

  1. rda:“ Rissanen数据分析代码”-源码

  2. Rissanen数据分析 下面，我们将逐步介绍用于产生结果的过程。 要了解我们如何在数据集上训练模型，请浏览自述文件​​以查看我们用来训练该模型的bash代码段和python脚本。 要查看训练模型后如何计算最小描述长度，请参阅scr ipts/plot_results_prequential.ipynb 。 代码概述： film/ ：用于在CLEVR上训练FiLM模型的代码（从修改） transformers/ ：用于训练其他基于变压器的模型的代码（从修改） scr ipts/ ：用于

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：9437184
    • 提供者：weixin_42125867

  1. transformers_rda-源码

  2. PyTorch和TensorFlow 2.0的最新自然语言处理 :hugging_face: 变形金刚提供了数千种经过预训练的模型，可以对100多种语言的文本执行任务，例如分类，信息提取，问题解答，摘要，翻译，文本生成等。 其目的是使尖端的NLP易于所有人使用。 :hugging_face: Transformers提供了API，可以在给定的文本上快速下载和使用那些经过预训练的模型，在您自己的数据集上对其进行微调，然后在我们的上与社区共享。 同时，每个定义架构的python模块都可以独立使

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：8388608
    • 提供者：weixin_42133753

  1. InstaDeep-Enzyme-Classification-Challenge:https-源码

  2. 我的模型是经过微调的预训练模型，该模型经过数十亿的蛋白质序列数据（BFD）训练。 它基于Transformers架构-尤其是BERT。 预训练的模型可以在这里找到。 我不需要使用给定的未标记序列。 在较少的数据上也有类似的预训练模型。 两者都给出良好的结果。 由于它已集成到HuggingFace库中，因此可以像BERT这样的其他流行模型一样轻松地使用它们。 无需进行太多微调，因为几乎不需要调整就可以得到大约90％以上的精度。 数据也足够大，可以从各种模式中学习。 设置 由于模型参数的数量（〜4

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：6144
    • 提供者：weixin_42128270

  1. project-code-py:适用于Python问题的GPT-2模型-源码

  2. 项目代码py 适用于Python问题的GPT-2模型 演示版 模型 from transformers import AutoTokenizer, AutoModelWithLMHead tokenizer = AutoTokenizer.from_pretrained("gagan3012/project-code-py") model = AutoModelWithLMHead.from_pretrained("gagan3012/project-code-py") 问题： Write

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：23552
    • 提供者：weixin_42168230

  1. up-detr:[CVPR2021口服]上调-源码

  2. UP-DETR ：使用变压器进行对象检测的无监督预训练 这是的官方PyTorch实施和模型： article{dai2020up-detr, author = {Zhigang Dai and Bolun Cai and Yugeng Lin and Junying Chen}, title = {UP-DETR: Unsupervised Pre-training for Object Detection with Transformers}, journal = {arX

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：2097152
    • 提供者：weixin_42161497

  1. TOEIC_Mask_Filling:使用GPT-2解决填充口罩问题-源码

  2. TOEIC_Mask_Filling 使用GPT-2解决填充口罩问题。 主意： 用4个选项代替一个问题，使4个完整的句子 估计这4个句子的困惑 选择构成最低困惑度的句子的选项 代码 安装变压器： pip install transformers 初始化模型和令牌生成器： model_name = 'gpt2-medium' model = AutoModelForCausalLM.from_pretrained(model_name) tokenizer = AutoTokenizer.

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：267264
    • 提供者：weixin_42121086

  1. 项目：数据科学，机器学习，数据分析，神经网络-源码

  2. 数据科学项目 以下是我在Yandex数据科学实习课程中完成的项目 所有项目均在Jupyter Notebook中使用Python完成。 数据由Yandex Practucum作为.csv文件提供，以及通过SQL（PostgreSQL）查询从Yandex Practicum数据库获得的数据。 使用的图书馆： Pandas，Numpy，Matplotlib，Scikit-Learn，PySpark，Plotly Express，Seaborn，NLTK，PyTorch，PyTorch-Trans

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：3145728
    • 提供者：weixin_42108054

  1. coco-lm-pytorch：在Pytorch中实现COCO-LM，纠正和对比用于语言模型预训练的文本序列-源码

  2. COCO LM预训练（WIP） 在Pytorch中实现 ，纠正和对比文本序列以进行语言模型预训练。 他们能够以自我监督的方式进行对比学习，以进行语言模型预训练。 似乎是Electra的坚实后继者。 安装 $ pip install coco-lm-pytorch 用法 使用x-transformers库的示例 $ pip install x-transformers 然后 import torch from torch import nn from x_transformers import

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：119808
    • 提供者：weixin_42172572

  1. 新想法！Geoffrey Hinton独自署名44页论文，如何在神经网络中表示部分-整体层次结构，结构化表示获取可解释性

  2. 本文没有描述一个工作系统。相反，它提出了一个关于表示的单一想法，允许几个不同群体的进步被组合成一个虚构的系统，称为GLOM。这些进展包括transformers、神经域、对比表示学习、蒸馏和胶囊。

  3. 所属分类：机器学习

    • 发布日期：2021-03-01
    • 文件大小：896000
    • 提供者：syp_net

  1. learning-chess-blindfolded：论文的代码和数据-盲目学习国际象棋：在世界状态跟踪上评估语言模型-源码

  2. 被蒙住眼睛的国际象棋：评估世界状态跟踪的语言模型 国际象棋作为评估世界状态跟踪语言模型的测试平台。 通过Huggingface模型毂释放。 与预训练的模型进行交互。 设置 步骤1 git clone https://github.com/shtoshni92/learning-chess-blindfolded.git cd learning-chess-blindfolded/ 步骤2：安装软件包。 以下是可以单独安装的核心功能。 chess==1.3.0 pytorch-lightni

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：129024
    • 提供者：weixin_42108778

  1. 变形金刚-源码

  2. 变形金刚 生成数据库迁移 dotnet ef migrations add {MigrationName} --context TransformersDbContext --output-dir Migrations --startup-project ./Transformers.WebApi/Transformers.WebApi.csproj --project ./Transformers.DataAccess/Transformers.DataAccess.csproj

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：56320
    • 提供者：weixin_42116713

  1. 媒体帧转换器-源码

  2. 媒体帧转换器 conda create -n python=3.9 conda activate conda develop . pip install torchvision transformers pandas mkdir data models 数据 去做 配置 去做 跑 只需按顺序运行编号的脚本

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：20480
    • 提供者：weixin_42117116

  1. ctrl：可控发电的条件变压器语言模型-源码

  2. CTRL-可控发电的条件变压器语言模型 作者： ，， ，，和 更新 2020年4月20日 我们正在为CTRL添加！ 如有任何疑问，请与我们联系。 2019年10月31日 添加功能以响应将模型从TF转换为HuggingFace / Transformers。 要转换检查点，只需通过pip install transformers然后运行python -u convert_tf_to_huggingface_pytorch.py --tf --pytorch 然后，在HuggingFace中

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：20971520
    • 提供者：weixin_42132359
« 1 2 ... 5 6 7 8 9 1011 12 13 »