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.
Scarica ed esegui online gratuitamente questa app chiamata Vision Transformer Pytorch con OnWorks.
Segui queste istruzioni per eseguire questa app:
- 1. Scaricata questa applicazione sul tuo PC.
- 2. Entra nel nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 3. Carica questa applicazione in tale file manager.
- 4. Avviare l'emulatore online OnWorks Linux o Windows online o l'emulatore online MACOS da questo sito Web.
- 5. Dal sistema operativo OnWorks Linux che hai appena avviato, vai al nostro file manager https://www.onworks.net/myfiles.php?username=XXXXX con il nome utente che desideri.
- 6. Scarica l'applicazione, installala ed eseguila.
IMMAGINI:
Trasformatore di visione Pytorch
DESCRIZIONE:
Questo repository fornisce un'implementazione minimalista e da zero del Vision Transformer (ViT) in PyTorch, concentrandosi sui componenti architettonici fondamentali necessari per la classificazione delle immagini. Scompone il modello in patch embedding, codifica posizionale, auto-attenzione multi-head, blocchi feed-forward e una testa di classificazione, in modo da poter comprendere ogni componente separatamente. Il codice è volutamente compatto e modulare, il che semplifica la modifica di iperparametri, profondità, larghezza e dimensioni di attenzione. Poiché rimane fedele a PyTorch, è possibile integrare set di dati personalizzati e cicli di training senza vincoli di framework. È ampiamente utilizzato come riferimento didattico per chi impara a usare i trasformatori nella visione e come base di partenza leggera per prototipi di ricerca. Il progetto incoraggia la sperimentazione: sostituire gli ottimizzatori, modificare gli ampliamenti o collegare il backbone del trasformatore alle attività a valle.
Caratteristiche
- Moduli PyTorch concisi per patching, attenzione, blocchi MLP e teste
- Profondità, teste, dimensioni e impostazioni di dropout facilmente configurabili
- Semplici esempi di formazione e inferenza che si inseriscono in cicli comuni
- Adatto alla sperimentazione e alla prototipazione rapida su dati personalizzati
- Dipendenze esterne minime e stile PyTorch idiomatico
- Serve come riferimento leggibile per i dettagli dell'architettura ViT
Linguaggio di programmazione
Python
Categorie
Questa applicazione può essere scaricata anche da https://sourceforge.net/projects/vision-tran-pytorch.mirror/. È ospitata su OnWorks per poter essere eseguita online nel modo più semplice da uno dei nostri sistemi operativi gratuiti.