TRANSFORMERS 第27页

Do You Even Need Attention? A Stack of Feed-Forward Layers Does Surprisingly Well on ImageNet

摘要Transformers在图像分类和其他视觉任务上的强大性能往往归功于multi-headattentionlayers层的设计。然而，这种强劲表现在多大程度上是由注意力引起的，目前还不清楚。

HHzdh·2022-11-26 18:02

[2104] [NIPS 2021] Twins: Revisiting the Design of Spatial Attention in Vision Transformers

papercodeContentContributionMethodTwins-PCPVTmodelarchitectureconditionalpositionencoding(CPE)positionalencodinggenerator(PEG)architecturevariantsTwins-SVTmodelarchitecturespatiallyseparableself-atten

koukouvagia·2022-11-26 18:02

《Twins: Revisiting the Design of Spatial Attention in Vision Transformers》论文阅读

作者认为：空间注意力是非常重要的足够大的接受野对于性能的提高是非常重要的VisionTransformer的核心问题：如何设计空间注意力作者提出了两中visionTransformer结构：Twins-PCPVT和Twins-SVTTwins-PCPVT作者发现PVT中的globalsub-sampledattention采用一个合适的位置编码是非常有效的，它的性能可以超过SwinTransfor

李加贝_·2022-11-26 18:31

【Transformer】6、Twins：Revisiting the Design of Spatial Attention in Vision Transformers

文章目录一、背景二、动机三、方法3.1Twins-PCPVT3.2Twins-SVT3.2.1LSA3.2.2GSA四、实验代码：https://github.com/Meituan-AutoML/Twins一、背景最近以来，Transformer取得了很大的关注，相比CNN而言，Transformer有更强的捕获long-rangedependencies的能力，且可以处理文本、语音、图像等任务

呆呆的猫·2022-11-26 18:01

Twins: Revisiting the Design of Spatial Attention in Vision Transformers

Twins:RevisitingtheDesignofSpatialAttentioninVisionTransformers一、引言二、Twins-PCPVT三、Twins-SVT四、实验五、消融实验文章链接:https://arxiv.org/abs/2104.13840代码链接:https://github.com/Meituan-AutoML/Twins一、引言在本文中，重新审视了空间注意

小小小~·2022-11-26 18:30

End-to-End Object Detection with Transformers

End-to-EndObjectDetectionwithTransformers3TheDETRmodel对于检测中的直接集合预测，有两个因素是必不可少的。(1)一个集合预测损失，迫使预测和真实boxes之间的唯一匹配；(2)一个能预测(单次)一组对象并对其关系进行建模的架构。我们在图2中详细描述了我们的架构。Fig.2:DETR使用一个传统的CNN骨架来学习输入图像的二维表示。该模型对其进行扁

Highlight_Jin·2022-11-26 15:56

卷积神经网络回归预测_基于图卷积神经网络GCN的时间序列预测：库存品需求预测...

该领域中有趣的方法是通过采用最初在NLP中本地的Transformers和Attention架构。图结构的使用

咖侃侃·2022-11-26 12:23

VS Code 中搭建好 conda 环境运行时却不在 conda 环境中的解决方案

问题描述本人是通过VSCode远程连接服务器，明明配置了conda环境且创建了虚拟环境，并在其中安装了一些包，如transformers、timm等等，在终端里也测试了环境配置成功(下面第一个图所示)。

friedrichor·2022-11-26 10:42

#今日论文推荐# ICLR2022 ViDT | 检测超越YOLOS，实例分割超越SOLOv2，同时达到实时.

Transformers被广泛应用于许多视觉问题，特别是视觉识别和检测。

wwwsxn·2022-11-26 08:41

利用huggingface-transformers进行命名实体识别

利用huggingface-transformers进行命名实体识别项目地址：https://github.com/huggingface/transformers文档地址：https://huggingface.co

在路上的工程师·2022-11-26 04:09

huggingface transformers实战系列-06_文本摘要

文本摘要简述随着互联网产生的文本数据越来越多，文本信息过载问题日益严重，对各类文本进行一个“降维”处理显得非常必要，文本摘要便是其中一个重要的手段。文本摘要旨在将文本或文本集合转换为包含关键信息的简短摘要。文本摘要按照输入类型可分为单文档摘要和多文档摘要。单文档摘要从给定的一个文档中生成摘要，多文档摘要从给定的一组主题相关的文档中生成摘要。按照输出类型可分为抽取式摘要和生成式摘要。抽取式摘要从源文

致Great·2022-11-25 17:08

【Transformers】第 7 章：问答

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟文章目录

Sonhhxg_柒·2022-11-25 17:37

《Transformers自然语言处理系列教程》第1章：Transformers 介绍

这些进展是当今最著名的两种transformers的

小爷毛毛（卓寿杰）·2022-11-25 17:05

ViT系列 | 24小时用1张GPU训练一个Vision Transformer可还好？

Transformers已成为计算机视觉最新进展的核心。然而，从头开始训练ViT模型可能会耗费大量资源和时间。在本文中旨在探索降低ViT模型训练成本的方法。引入了一些算法改进，以便能够在有限的硬

自动驾驶之心·2022-11-25 13:36

【ECCV2022】论文阅读笔记TransMatting: Enhancing Transparent Objects Matting with Transformers

TransMatting:EnhancingTransparentObjectsMattingwithTransformersTransMatting:使用Transformers增强透明物体抠图paper

Thinkobj·2022-11-25 08:18

NLP 自古以来的各预训练模型 (PTMs) 和预训练任务小结

⏰早期的PTMs在模型结构上做的尝试比较多，transformers出现后，研究者们研究的重点就从模型结构转移到了训练任务与策略上。

#苦行僧·2022-11-25 07:39

【论文阅读】BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

文章目录论文内容摘要(Abstract)1.介绍(Introduction)2.相关工作(略)3.BERT3.1预训练BERT（Pre-trainingBERT）4.个人总结论文内容论文地址:https://arxiv.org/abs/1810.04805官方代码地址:https://github.com/google-research/bert摘要(Abstract)BERT全称Bidirect

iioSnail·2022-11-25 02:19

【PLM—3】——Bert结构学习

因此本文参考HuggingFace的Transformers库的实现，学习Bert结构。首先我们观察BERT最基本的FeatureExtraction的部分，最后再考虑在不同

临淮郡人·2022-11-25 02:18

pytorch版bert modeling_bert代码解析

huggingface源码地址https://github.com/huggingface/transformers由于源码一直在更新迭代，我的版本可能不太新了，不过大致意思差不多modeling_bert.py

一小坨北北·2022-11-25 02:18

bert使用

1.transformer资料transformers（以前称为pytorch-transformers和pytorch-pretrained-bert）提供用于自然语言理解（NLU）和自然语言生成（NLG

Ctrl+C用户·2022-11-25 02:47

Bert系列：如何用bert模型输出文本的embedding

主要工具设备型号：python3.6、torch1.7、transformer4.2、macOS、文档huggingface：https://huggingface.co/transformers/model_doc

凝眸伏笔·2022-11-25 02:17

论文学习-SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers

目录一、SegFormer:SimpleandEfficientDesignforSemanticSegmentationwithTransformersAbstract1Introduction2RelatedWork3Method3.1分级Transformer编码器3.2轻量级All-MLP解码器3.3与SETR的关系4Experiments4.1ExperimentalSettings4.

ZZE15832206526·2022-11-25 00:59

Non-stationary Transformers: Exploring the Stationarity in Time Series Forecasting论文阅读

Title：Non-stationaryTransformers:ExploringtheStationarityinTimeSeriesForecastingPublication：NeuralPSAuthor：TsinghuaUniversityPublishedDate：2022Page：1~10（文章内容）、10~22（细节）Score：优秀Github：GitHub-thuml/Nons

魔法少女斯内普·2022-11-25 00:52

Multiscale Vision Transformers 论文阅读

目录一.了解MViT二.介绍MViT1.基本思想2.优势三.MViT模型1.多头池化注意力（MultiHeadPoolingAttention）2.多尺度变换器网络(MultiscaleTransformerNetworks)2.1VisionTransformer(ViT)2.2MultiscaleVisionTransformers(MViT)四.视频识别实验1.Kinetics-4002.K

scarlet witcher·2022-11-24 21:27

论文速读：FAIR 最新 ViT 模型改进多尺度 ViT --- Improved Multiscale Vision Transformers

ImprovedMultiscaleVisionTransformersforClassificationandDetectionFigure1.OurImprovedMViTisamultiscaletransformerwithstate-of-the-artperformanceacrossthreevisualrecognitiontasks.[pdf][GitHub]本文提出的多尺度Vi

Phoenixtree_DongZhao·2022-11-24 21:27

Multiscale Vision Transformers

MultiscaleVisionTransformers下载论文HaoqiFan,BoXiong,KarttikeyaMangalamICCV2021Abstract我们将多尺度特征层次的基本思想与transformer模型相结合，提出了用于视频和图像识别的多尺度visiontransformer（MViT）。多尺度transformer有一系列的通道分辨率尺度级别。这些阶段从输入分辨率和较小的通

路飞大魔王·2022-11-24 21:27

[Transformer]MViTv1:Multiscale Vision Transformers

MViT:MultiscaleVisionTransformers AbstractSectionIIntroductionSectionIIRelatedWorkSectionIIIMultiscaleVisionTransformerPart1MultiHeadPoolingAttentionPart2Multi-scaleTransformerNetworksPart3网络实例化细节Sect

黄小米吖·2022-11-24 21:26

FAIR Transformer新作Multiscale Vision Transformers

论文地址：MultiscaleVisionTransformersarxiv.org代码地址：GitHub-facebookresearch/SlowFast:PySlowFast:videounderstandingcodebasefromFAIRforreproducingstate-of-the-artvideomodels.github.com速览：该文章首先给出了一个初步的结论，即在视觉

qiaobofu·2022-11-24 21:55

[Transformer]MViTv2:Improved Multiscale Vision Transformers for Classification and Detection

MViT:优化的多尺度Transformer用于分类和检测AbstractSectionIIntroductionSectionIIRelatedWorkSectionIIIRevistingMulitScaleVisionTransformerSectionIVImprovedMViTPart1ImprovedPoolingAttentionPart2MViTforObjectDetection

黄小米吖·2022-11-24 21:55

Multiscale Vision Transformers 论文详解

Abstract我们提出了MultiscaleVisionTransformers（MViT）用于视频和图像识别。MViT是多尺度特征层次结构和Transformer的结合。MViT有几个通道分辨率尺度块（channel-resoluationscalestages）。从输入分辨率和小通道维度开始，这些stages扩展通道容量，同时降低空间分辨率。这创建了一个多尺度特征金字塔，早些的层在高空间分辨

CV小Rookie·2022-11-24 21:22

Quadtree attention for vision transformers_四叉树注意力

MengYa_DreamZ·2022-11-24 21:22

Recsys21 | 浅谈推荐系统如何在NLP的肩膀上前进

最近在读Recsys2021上的paper，Transformers4Rec:BridgingtheGapbetweenNLPandSequential/Session-BasedRecommendation

文文学霸·2022-11-24 21:58

windows10上conda安装pytorch+transformers

windows10上conda安装pytorch+transformersconda创建环境安装pytorchCUDA11.3CPUOnly验证安装transformers安装报错解决办法验证conda

❀种花家·2022-11-24 20:31

macos 安装 transformers 的时候报错：ERROR: Could not build wheels for tokenizers which use PEP 517 and canno

简单点说：你如果不指定具体版本而直接：pipinstalltransformers的话，他给你装的版本有点问题，macos系统可能有点不支持，具体问题我也不是很清楚解决的方案：直接指定安装2.4.1版本的transformers

暖仔会飞·2022-11-24 19:43

huggingface：transformers库（以前称为pytorch-transformers、pytorch-pretrained-bert）

一、transformers、pytorch-transformers、pytorch-pretrained-bert三者的关系网上的一些介绍是“transformers包又名pytorch-transformers

u013250861·2022-11-24 17:14

Huggingface Transformers简约教程（一）

写在前面：致敬所有前辈：①知乎上的transformers教程②博客园上的Colab使用教程③huggingface官网1HuggingfaceTransformers简介HuggingfaceTransformers

哼唧哼唧啊哈·2022-11-24 16:08

Huggingface Transformers简约教程（三）

9微调模型在官方文档中这微调这部分介绍了三个方面内容1Fine-tuneapretrainedmodelwithTransformersTrainer.2Fine-tuneapretrainedmodelinTensorFlowwithKeras.3Fine-tuneapretrainedmodelinnativePyTorch.因为我主要应用pytorch框架，所以在这里我只介绍第一种和第三种，

哼唧哼唧啊哈·2022-11-24 16:38

Hugging Face快速入门（重点讲解模型(Transformers)和数据集部分(Datasets)）

文章目录本文内容HuggingFace简介HuggingFace模型讲解Transforms简介Transformers安装使用Transformers进行推理查找HuggingFace模型使用HuggingFace

iioSnail·2022-11-24 13:55

Huggingface Transformers简约教程（二）

写在前面：致敬所有前辈：①知乎上的transformers教程②博客园上的Colab使用教程③huggingface官网6设计思想Thelibrarywasdesignedwithtwostronggoalsinmind

哼唧哼唧啊哈·2022-11-24 12:23

bert4keras、transformers 加载预训练bert模型、句向量cls，字向量提取；tokenizer使用

1、bert4keras分词器Tokenizerfrombert4keras.modelsimportbuild_transformer_modelfrombert4keras.tokenizersimportTokenizerimportnumpyasnpconfig_path='/Users/lonng/Desktop/v+/xl/chinese_L-12_H-768_A-12/bert_co

loong_XL·2022-11-24 12:50

Fine-tuning一个语言模型

还是transformer上面的一个教程，教程名字是Fine-tuningalanguagemodel文章目录Fine-tuning一个语言模型准备数据因果语言模型（CLM）掩码语言模型(MLM)总结在Transformers

名字填充中·2022-11-24 12:17

huggingface/transformers快速上手

目录1.预训练模型下载2.官方Quicktour1.pipelineAPI2.pipeline的工作原理2.1使用分词器（tokenizer）2.2使用模型（model）2.3定制模型参数参考资料huggingfacetransformers预训练模型如何下载至本地，并使用？-于晨晨的文章-知乎pytorch快速加载预训练模型参数的方式transformersv4.15.0官方文档:quick-t

梆子井欢喜坨·2022-11-24 12:46

使用huggingface的Transformers预训练自己的bert模型+FineTuning

③关于transformers库中不同模型的Tokenize

Wisley.Wang·2022-11-24 12:16

transformers AutoModelForMaskedLM简单使用

参考：https://huggingface.co/docs/transformers/model_doc/auto#transformers.AutoModelForMaskedLM使用预测预测mask

loong_XL·2022-11-24 12:10

AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE——ViT全文翻译

一文读懂ViT：ViT快速理解VisioninTransformer文章目录全文翻译-VisioninTransformer-相关说明基本信息介绍ABSTRACT1INTRODUCTION2RELATEDWORK3METHOD3.1VISIONTRANSFORMER(ViT)3.2FINE-TUNINGADNHIGHERRESOLUTION4EXPERIMENTS4.1SETUP4.2COMPAR

陈嘿萌·2022-11-24 10:42

Some weights of the model checkpoint at mypath/bert-base-chinese were not used when initializing Ber

诸神缄默不语-个人CSDN博文目录运行环境，警告信息和解决方案：Linux环境，Python3，PyTorch版本为1.8.1，transformers包版本为4.12.5。

诸神缄默不语·2022-11-24 10:00

[Transformer] Deformable DETR：Deformable Transformers for End-to-End Object Detection

2020.10作者单位：商汤目标检测：在DETR中加入了Deformable和多尺度特征融合策略Paper:https://arxiv.org/abs/2010.04159Code:https://github.com/fundamentalvision/Deformable-DETR1简介DETR可以避免在进行目标检测时手工设计很多组件，但由于transformer注意模块在处理图像特征图时的局

Cherry_qy·2022-11-24 09:24

Deformable DETR：DEFORMABLE TRANSFORMERS FOR END-TO-END OBJECT DETECTION 论文阅读

该论文为Transformer跨界论文，在原有的DETR的基础上做出改进，并且在COCO2017数据集上取得了理想的成绩。该模型针对DETR收敛速度慢，训练时间长和对小物体检测效果不理想进行了相应的改进。网络结构该论文与DETR结构类似，同样也是由CNN进行特征的提取，通过Transformer模块进行特征和位置编码解码。1.主干网络DeformableDETR的主干网络也是采用的CNN进行特征提

w_study_ty·2022-11-24 09:53

[Transformer]Deformable DETR: deformable transformers for end-to-end object detection

DeformableDETR:可变Transformer用于端到端的目标检测AbstractSectionIIntroductionSectionIIRelatedWorkSectionIIIRevistingTransformersandDETRPart1Multi-HeadAttentioninTransformersPart2DETRSectionIVMethodPart1Deformabl

黄小米吖·2022-11-24 09:52

目标检测——【Transformer】DEFORMABLE DETR: DEFORMABLE TRANSFORMERS FOR END-TO-END OBJECT DETECTION

目录文章侧重点*DeformableAttentionModule.*单尺度的*DeformableAttentionModule*计算公式多尺度的*DeformableAttentionModule*计算公式*DeformableDERT*网络结构两阶段*DeformableDERT*实现细节论文链接：https://arxiv.org/abs/2010.04159文章侧重点改进DERT中存在两

zz的大穗禾·2022-11-24 09:52

推荐频道

TRANSFORMERS