Project Icon

linformer

线性复杂度自注意力机制的PyTorch实现

Linformer是一个基于PyTorch的高效自注意力机制实现。通过将注意力矩阵投影到低维度空间,它实现了线性复杂度,适合处理长序列数据。项目提供简洁API,支持构建语言模型和自注意力层。尽管在自回归任务和可变序列长度方面有局限,但其高效性已在Facebook的生产环境中得到验证,为处理大规模数据提供了新的解决方案。

informer-tourism-monthly - Informer模型优化长序列时间序列预测
GithubHuggingfaceInformer开源项目时间复杂度概率注意力机制模型稀疏Transformer长序列时间序列预测
Informer通过ProbSparse自注意力机制和生成式解码器在长序列时间序列预测中优化了计算和内存需求,达到O(L logL)的复杂度和内存使用。模型提升了依赖对齐能力,能够高效处理长输入序列并显著提高预测速度,在多个大数据集上性能优异,为长序列预测问题提供了解决方案。
Informer2020 - 长序列时间序列预测的高效解决方案
ETT数据集GithubInformerProbSparse Attention开源项目时间序列预测高效Transformer
Informer引入ProbSparse注意机制,大幅提升长序列时间序列预测的效率和精度。该模型利用概率分布选择活跃查询,避免冗余计算,适用于多种数据集,并在AIJ和AAAI'21获奖。提供详细的实验设置、Colab示例和数据下载链接,帮助用户快速上手并复现结果。
FLASH-pytorch - FLASH 线性时间内提升Transformer效能的开源实现
FLASHGithubPyTorchTransformer开源项目注意力机制深度学习
FLASH-pytorch是一个开源项目,实现了一种高效的Transformer变体。该项目采用门控注意力单元(GAU)和分组线性注意力,在线性时间内提升模型性能。它提供简洁API,支持自回归和非自回归模式,并整合多种位置编码技术。这一工具使研究人员和开发者能够便捷地探索和应用Transformer的最新优化技术。
Flowformer - Flowformer 利用保护流网络实现 Transformer 线性化和长序列处理
FlowformerGithubTransformer开源项目注意力机制流网络理论线性复杂度
Flowformer 是一种 Transformer 模型,通过引入保护流网络理论,实现了线性复杂度的注意力机制。它能够处理超过4000多个标记的长序列,在视觉、自然语言处理、时间序列和强化学习等领域表现优异。在长序列建模任务中,Flowformer 的平均准确率达到56.48%,超过了 Performer 和 Reformer 等现有方法。该项目不依赖特定归纳偏置,提供了核心代码实现和多个领域的应用示例,为研究人员和开发者提供了一个通用的基础模型。
infini-transformer - 针对无限长度上下文设计的高效Transformer模型
GithubInfini-Transformer位置编码开源项目注意力机制自然语言处理长序列处理
Infini-Transformer是一种创新的Transformer模型,专门用于处理无限长度的上下文。该模型采用压缩性记忆机制和混合深度技术,能有效处理超长序列。Infini-Transformer支持文本分类、问答和语言生成等多种任务,并集成RoPE和YaRN等先进位置编码技术。这一模型为长文本处理和大规模语言任务提供了高效解决方案。
flashinfer - 专注LLM服务的高效GPU内核库
FlashInferGPU内核GithubLLM服务开源项目注意力机制高性能计算
FlashInfer是一个面向大型语言模型(LLM)服务和推理的GPU内核库。它实现了多种注意力机制,如FlashAttention、SparseAttention和PageAttention。通过优化共享前缀批处理解码和压缩KV缓存等技术,FlashInfer提高了LLM推理效率。该项目兼容PyTorch、TVM和C++,便于集成到现有系统,适用于多种LLM应用场景。
flash-linear-attention - Triton实现的高效线性注意力模型库
Flash Linear AttentionGithubTriton实现开源项目深度学习线性注意力模型自然语言处理
Flash Linear Attention是一个基于Triton实现的线性注意力模型库。该项目集成了RetNet、GLA和Based等多种先进模型,实现了高效的token混合和文本生成。兼容Hugging Face Transformers库,提供预训练模型、评估工具和基准测试,为线性注意力技术的研究和应用提供了便利。
TransnormerLLM - 使用线性注意力机制的大规模语言模型
GithubTransNormerLLM大语言模型开源项目模型权重线性注意力机制高质量语料库
TransNormerLLM是一种高效的大规模语言模型,使用线性注意力机制,优于传统的软注意力模型。该模型训练于高质量语料库,包含1.4万亿个词元,支持中文、英语和多语言基准测试,在多领域表现出色。提供385M、1B和7B参数版本,开放给学术研究,商用需申请许可。
InfiniTransformer - 非官方的PyTorch和Transformers实现
Gemma modelGithubInfiniTransformerLlama3PyTorch开源项目🤗Transformers
InfiniTransformer是一个非官方的PyTorch和Transformers实现,支持Llama3和Gemma模型。包含两种Infini注意力实现类型:全模型替换和仅替换注意力层。详细介绍了从克隆仓库、安装依赖到训练和推理的步骤,便于用户快速上手和扩展。
equiformer-pytorch - SE(3)/E(3)等变注意力网络的高效PyTorch实现
AIEquiformerGATv2GithubSE3 Transformers开源项目深度学习
Equiformer-pytorch是一个基于PyTorch的SE(3)/E(3)等变注意力网络实现。该项目采用MLP注意力机制和非线性消息传递,实现了最先进的性能。它支持可逆网络以提高内存效率,并集成了最新的球谐函数稀疏化技术,大幅提升计算效率。Equiformer-pytorch还提供边缘和邻接矩阵支持,适用于蛋白质折叠等各种3D原子图任务。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号