Keras CV Attention Models 开源项目教程
1. 项目的目录结构及介绍
Keras CV Attention Models 项目的目录结构如下:
keras_cv_attention_models/
├── LICENSE
├── README.md
├── setup.py
├── keras_cv_attention_models/
│ ├── __init__.py
│ ├── attention_layers.py
│ ├── beit.py
│ ├── botnet.py
│ ├── coat.py
│ ├── coatnet.py
│ ├── convnext.py
│ ├── csp_darknet.py
│ ├── efficientnet.py
│ ├── efficientnet_v2.py
│ ├── halonet.py
│ ├── halo_net.py
│ ├── hornet.py
│ ├── inception_next.py
│ ├── levit.py
│ ├── maxvit.py
│ ├── mobile_vit.py
│ ├── mlp_mixer.py
│ ├── nat.py
│ ├── nfnets.py
│ ├── resnest.py
│ ├── resnet.py
│ ├── resnet_family.py
│ ├── resnext.py
│ ├── swin_transformer.py
│ ├── uniformer.py
│ ├── vgg.py
│ ├── visformer.py
│ ├── volo.py
│ ├── xception_rs.py
│ └── __pycache__/
└── tests/
├── __init__.py
├── test_attention_layers.py
├── test_beit.py
├── test_botnet.py
├── test_coat.py
├── test_coatnet.py
├── test_convnext.py
├── test_csp_darknet.py
├── test_efficientnet.py
├── test_efficientnet_v2.py
├── test_halonet.py
├── test_halo_net.py
├── test_hornet.py
├── test_inception_next.py
├── test_levit.py
├── test_maxvit.py
├── test_mobile_vit.py
├── test_mlp_mixer.py
├── test_nat.py
├── test_nfnets.py
├── test_resnest.py
├── test_resnet.py
├── test_resnet_family.py
├── test_resnext.py
├── test_swin_transformer.py
├── test_uniformer.py
├── test_vgg.py
├── test_visformer.py
├── test_volo.py
├── test_xception_rs.py
└── __pycache__/
目录结构介绍
LICENSE
: 项目的许可证文件。README.md
: 项目的说明文档。setup.py
: 项目的安装脚本。keras_cv_attention_models/
: 项目的主要代码目录。__init__.py
: 初始化文件。attention_layers.py
: 注意力层实现。beit.py
: BEiT 模型实现。botnet.py
: BotNet 模型实现。coat.py
: CoAt 模型实现。coatnet.py
: CoAtNet 模型实现。convnext.py
: ConvNeXt 模型实现。csp_darknet.py
: CSPDarkNet 模型实现。efficientnet.py
: EfficientNet 模型实现。efficientnet_v2.py
: EfficientNet V2 模型实现。halonet.py
: HaloNet 模型实现。halo_net.py
: HaloNet 模型实现。hornet.py
: HorNet 模型实现。inception_next.py
: InceptionNext 模型实现。levit.py
: LeViT 模型实现。maxvit.py
: MaxViT 模型实现。mobile_vit.py
: MobileViT 模型实现。mlp_mixer.py
: MLP Mixer 模型实现。nat.py
: NAT 模型实现。nfnets.py
: NFNet 模型实现。