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.
Téléchargez et exécutez gratuitement en ligne cette application nommée Vision Transformer Pytorch avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
Vision Transformer PyTorch
DESCRIPTION:
Ce dépôt propose une implémentation minimaliste et complète du Vision Transformer (ViT) en PyTorch, axée sur les éléments architecturaux essentiels à la classification d'images. Le modèle est décomposé en plongement de patchs, encodage positionnel, auto-attention multi-têtes, blocs feed-forward et tête de classification, permettant ainsi de comprendre chaque composant individuellement. Le code, volontairement compact et modulaire, facilite l'ajustement des hyperparamètres, de la profondeur, de la largeur et des dimensions d'attention. Proche de PyTorch natif, il permet d'intégrer des jeux de données et des boucles d'entraînement personnalisés sans dépendance à un framework spécifique. Il est largement utilisé comme ressource pédagogique pour l'apprentissage des transformeurs en vision par ordinateur et comme base légère pour le développement de prototypes de recherche. Le projet encourage l'expérimentation : changez d'optimiseurs, modifiez les augmentations de données ou intégrez le réseau de base du transformeur à des tâches en aval.
Fonctionnement
- Modules PyTorch concis pour le patching, l'attention, les blocs MLP et les têtes
- Paramètres de profondeur, de tête, de dimensions et de déport facilement configurables
- Exemples simples d'entraînement et d'inférence qui s'intègrent dans des boucles courantes
- Facile à expérimenter et à prototyper rapidement sur des données personnalisées
- Dépendances externes minimales et style PyTorch idiomatique
- Sert de référence accessible pour les détails architecturaux de ViT
Langage de programmation
Python
Catégories
Cette application est également disponible à l'adresse https://sourceforge.net/projects/vision-tran-pytorch.mirror/. Elle est hébergée sur OnWorks afin de pouvoir être exécutée en ligne facilement depuis l'un de nos systèmes d'exploitation gratuits.