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.
Download en gebruik online gratis deze app genaamd Vision Transformer Pytorch met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCHERMSCHERMEN:
Vision Transformer Pytorch
BESCHRIJVING:
Deze repository biedt een minimalistische, vanaf nul ontwikkelde implementatie van de Vision Transformer (ViT) in PyTorch, met de nadruk op de belangrijkste architecturale onderdelen die nodig zijn voor beeldclassificatie. Het model wordt opgesplitst in patch-embedding, positionele codering, multi-head self-attention, feed-forward-blokken en een classificatiekop, zodat u elk onderdeel afzonderlijk kunt begrijpen. De code is opzettelijk compact en modulair, waardoor u gemakkelijk kunt sleutelen aan hyperparameters, diepte, breedte en aandachtsdimensies. Omdat het dicht bij de standaard PyTorch-code blijft, kunt u aangepaste datasets en trainingslussen integreren zonder vast te zitten aan een framework. Het wordt veel gebruikt als educatieve referentie voor mensen die transformers in vision leren en als een lichtgewicht basislijn voor onderzoeksprototypes. Het project moedigt experimenten aan: vervang optimizers, wijzig augmentaties of sluit de transformer-backbone aan op downstream-taken.
Kenmerken
- Concise PyTorch-modules voor patching, aandacht, MLP-blokken en heads
- Eenvoudig configureerbare dieptes, koppen, afmetingen en dropout-instellingen
- Eenvoudige trainings- en inferentievoorbeelden die aansluiten op veelvoorkomende lussen
- Geschikt voor experimenten en snelle prototyping op aangepaste gegevens
- Minimale externe afhankelijkheden en idiomatische PyTorch-stijl
- Dient als leesbare referentie voor ViT-architectuurdetails
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/vision-tran-pytorch.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.