简体中文 | English

FightingCV 代码库，包含 Attention,Backbone, MLP, Re-parameter, Convolution

Hello，大家好，我是小马🚀🚀🚀

For 小白（Like Me）： 最近在读论文的时候会发现一个问题，有时候论文核心思想非常简单，核心代码可能也就十几行。但是打开作者release的源码时，却发现提出的模块嵌入到分类、检测、分割等任务框架中，导致代码比较冗余，对于特定任务框架不熟悉的我，很难找到核心代码，导致在论文和网络思想的理解上会有一定困难。

For 进阶者（Like You）： 如果把Conv、FC、RNN这些基本单元看做小的Lego积木，把Transformer、ResNet这些结构看成已经搭好的Lego城堡。那么本项目提供的模块就是一个个具有完整语义信息的Lego组件。让科研工作者们避免反复造轮子，只需思考如何利用这些“Lego组件”，搭建出更多绚烂多彩的作品。

For 大神（May Be Like You）： 能力有限，不喜轻喷！！！

For All： 本项目致力于实现一个既能让深度学习小白也能搞懂，又能服务科研和工业社区的代码库。

作为FightingCV公众号和 FightingCV-Paper-Reading 的补充，本项目的宗旨是从代码角度，实现🚀让世界上没有难读的论文🚀。

（同时也非常欢迎各位科研工作者将自己的工作的核心代码整理到本项目中，推动科研社区的发展，会在readme中注明代码的作者~）

技术交流

欢迎大家关注公众号：FightingCV

FightingCV公众号	小助手微信（备注【公司/学校+方向+ID】）

公众号每天都会进行论文、算法和代码的干货分享哦~
交流群每天分享一些最新的论文和解析，欢迎大家一起学习交流哈~~~

强烈推荐大家关注知乎账号和FightingCV公众号，可以快速了解到最新优质的干货资源。

新增

支持通过 pip 方式使用该代码库

使用

安装

直接通过 pip 安装

pip install fightingcv-attention

或克隆该仓库

git clone https://github.com/xmu-xiaoma666/External-Attention-pytorch.git

cd External-Attention-pytorch

演示

使用 pip 方式

import torch
from torch import nn
from torch.nn import functional as F

# 使用 pip 方式

from fightingcv_attention.attention.MobileViTv2Attention import *

if __name__ == '__main__':
    input=torch.randn(50,49,512)
    sa = MobileViTv2Attention(d_model=512)
    output=sa(input)
    print(output.shape)

pip包内置模块使用参考: fightingcv-attention 说明文档

使用 git 方式

import torch
from torch import nn
from torch.nn import functional as F

# 与 pip方式 区别在于 将 `fightingcv_attention` 替换 `model`

from model.attention.MobileViTv2Attention import *

if __name__ == '__main__':
    input=torch.randn(50,49,512)
    sa = MobileViTv2Attention(d_model=512)
    output=sa(input)
    print(output.shape)