#attention 仓库
探索 29 个标记为 #attention 的活跃开源 GitHub 仓库,它们累计获得 203,649 个 Star(平均每个项目 7,022 个)。该主题的领先项目是 labmlai/annotated_deep_learning_paper_implementations,拥有 67,780 个 Star。
共 29 个仓库
🧑🏫 60+ 深度学习论文的实现/教程,附带旁注 📝;包括 transformers (原始,xl,switch,feedback,vit,...),优化器 (adam,adabelief,sophia,...),gans (cyclegan,stylegan2,...),🎮 强化学习 (ppo,dqn),capsnet,蒸馏,... 🧠
“Attention is All You Need”中 Transformer 模型的 PyTorch 实现。
[ICLR2025, ICML2025, NeurIPS2025 Spotlight] 量化注意力(Quantized Attention)相比 FlashAttention 实现了 2-5 倍的加速,同时在语言、图像和视频模型上没有损失端到端指标。
这是PASCAL VOC和COCO 的 YOLOv4、attentive YOLOv4 和 mobilenet YOLOv4 的 pytorch 仓库
多标签文本分类, 多标签分类, 文本分类, multi-label, classifier, text classification, BERT, seq2seq, attention, multi-label-classification
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
论文“SAITS: 基于自注意力的时间序列插补”的官方PyTorch实现。一个快速且最先进的(SOTA)深度学习神经网络模型,用于高效的时间序列插补(使用机器学习插补包含NaN缺失数据/值的多变量不完整时间序列)。https://arxiv.org/abs/2202.08516
常见问题解答
GitHub 上最受欢迎的 #attention 仓库是什么?
GitHub 上排名第一的开源 #attention 项目是 labmlai/annotated_deep_learning_paper_implementations,拥有 67,780 个 Star。🧑🏫 60+ 深度学习论文的实现/教程,附带旁注 📝;包括 transformers (原始,xl,switch,feedback,vit,...),优化器 (adam,adabelief,sophia,...),gans (cyclegan,stylegan2,...),🎮 强化学习 (ppo,dqn),capsnet,蒸馏,... 🧠
#attention 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #attention 项目中,最常见的编程语言是 Python, Jupyter Notebook, Cuda, C++。
#attention 仓库的排名是如何计算的?
我们跟踪了 29 个标记为 #attention 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 203,649 个 Star,平均每个仓库拥有 7,022 个 Star。排名每日根据 GitHub API 更新。