★
Transformers-Tutorials 是用 Jupyter Notebook 编写的 AI 工具，用于人工智能方向的建模与推理。
This repository contains demos I made with the Transformers library by HuggingFace.
hila-chefer / Transformer-Explainability
Transformer-Explainability
[CVPR 2021] Official PyTorch implementation for Transformer Interpretability Beyond Attention Visualization, a novel method to visualize classifications by Transformer based networks.
Transformer-Explainability 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
目前累计 2k star、260 fork，主要语言为 Jupyter Notebook，项目始于 2020 年，采用 MIT 许可。最近状态：已有一段时间未更新。适合：想补齐某块知识的开发者。
中文介绍优先采用本站人工维护条目；无维护条目时依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经项目方确认，不构成选型结论。hila-chefer/Transformer-Explainability 是一个以 Jupyter Notebook 为主的开源项目，目前累计 2k star、260 fork，较长时间未更新。主要方向：attention-matrix、attention-visualization、bert、bert-model、cvpr2021、深度学习。
依据 GitHub 公开字段（语言、主题、星标、提交时间）自动生成，未经人工逐项核实。attention-matrixattention-visualizationbertbert-modelcvpr2021深度学习explainabilityperturbationtransformer-interpretabilityvision-transformervisualize-classificationsvit
README
正在加载…相关项目
★
《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF下载地址：https://github.com/datawhalechina/leedl-tutorial/releases
《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF下载地址：https://github.com/datawhalechina/leedl-tutorial/releases
★
shap 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
A game theoretic approach to explain the output of any machine learning model.
★
mmagic 是用 Jupyter Notebook 编写的 AI 工具，用于人工智能方向的建模与推理，主打易用。
OpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic 🪄: Generative-AI (AIGC), easy-to-use APIs, awsome mod…
★
h2o-3 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅，主打速度快、可伸缩、开源免费。
H2O is an Open Source, Distributed, Fast & Scalable Machine Learning Platform: Deep Learning, Gradient Boosting (GBM) & XGBoost, Random Forest, Gene…
★
deep-learning-coursera 是用 Jupyter Notebook 编写的学习资料，用于系统学习与查阅。
Deep Learning Specialization by Andrew Ng on Coursera.