This is the Linux app named Vision Transformer Pytorch whose latest release can be downloaded as 1.15.4sourcecode.zip. It can be run online in the free hosting provider OnWorks for workstations.
Laden Sie die App Vision Transformer Pytorch mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS:
Vision Transformer Pytorch
BESCHREIBUNG:
Dieses Repository bietet eine minimalistische, von Grund auf neu entwickelte Implementierung des Vision Transformers (ViT) in PyTorch. Der Fokus liegt auf den Kernkomponenten der Architektur für die Bildklassifizierung. Das Modell ist in Patch-Embedding, Positionskodierung, Multi-Head-Self-Attention, Feedforward-Blöcke und einen Klassifizierungskopf unterteilt, sodass jede Komponente einzeln verständlich ist. Der Code ist bewusst kompakt und modular gehalten, was die Anpassung von Hyperparametern, Tiefe, Breite und Aufmerksamkeitsdimensionen erleichtert. Da er sich eng an PyTorch anlehnt, können Sie benutzerdefinierte Datensätze und Trainingsschleifen integrieren, ohne an ein bestimmtes Framework gebunden zu sein. Er dient häufig als Lernmaterial für Transformer in der Bildverarbeitung und als schlanke Basis für Forschungsprototypen. Das Projekt regt zum Experimentieren an – tauschen Sie Optimierer aus, ändern Sie Datenaugmentationen oder integrieren Sie das Transformer-Backbone in nachgelagerte Aufgaben.
Eigenschaften
- Kompakte PyTorch-Module für Patching, Attention, MLP-Blöcke und Heads
- Einfach konfigurierbare Tiefen, Köpfe, Abmessungen und Ausfalleinstellungen
- Einfache Trainings- und Inferenzbeispiele, die sich in gängige Schleifen einfügen lassen
- Geeignet für Experimente und schnelles Prototyping mit kundenspezifischen Daten
- Minimale externe Abhängigkeiten und idiomatischer PyTorch-Stil
- Dient als gut lesbare Referenz für Details zur ViT-Architektur.
Programmiersprache
Python
Kategorien
Diese Anwendung kann auch unter https://sourceforge.net/projects/vision-tran-pytorch.mirror/ heruntergeladen werden. Sie wird auf OnWorks gehostet, um die Online-Ausführung über eines unserer kostenlosen Betriebssysteme zu vereinfachen.