139_Transformer源码分析


Transformer源码分析



刚刚用了官方提供的Transformer

但是我们只会复制不行啊

我们要看看官方代码是怎么写的

来分析一下

 


代码分析

 

public class DepthPageTransformer implements ViewPager.PageTransformer {

    private static final float MIN_SCALE = 0.75f;

 

//这里来了一个常量,MIN_SCALE这个名字应该是最小比例之类的东西

 

    public void transformPage(View view, float position) {

        int pageWidth = view.getWidth();

 

//获取宽度

 

        if (position < -1) { // [-Infinity,-1)

            // This page is way off-screen to the left.

            view.setAlpha(0);

 

//如果position小于-1,那么透明度为0

// This page is way off-screen to the left.

//这个页面从左边消失

 

        } else if (position <= 0) { // [-1,0]

            // Use the default slide transition when moving to the left page

            view.setAlpha(1);

            view.setTranslationX(0);

            view.setScaleX(1);

            view.setScaleY(1);

 

//如果position小于等于0,那么透明度为1,x平移为0,scaleXscaleY1

// Use the default slide transition when moving to the left page

//移向左边页面的时候使用默认平移

 

        } else if (position <= 1) { // (0,1]

            // Fade the page out.

            view.setAlpha(1 - position);

//隐藏page

 

            // Counteract the default slide transition

            view.setTranslationX(pageWidth * -position);

//抵消默认平移

 

            // Scale the page down (between MIN_SCALE and 1)

            float scaleFactor = MIN_SCALE

                    + (1 - MIN_SCALE) * (1 - Math.abs(position));

            view.setScaleX(scaleFactor);

            view.setScaleY(scaleFactor);

//页面向下变换

 

        } else { // (1,+Infinity]

            // This page is way off-screen to the right.

            view.setAlpha(0);

        }

//页面从右边消失

 

    }

}

 

 

总结

简而言之

就是滑动的时候,页面左右移动

加载的页面根据位置改变比例和透明度

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Transformer发轫于NLP(自然语言处理),并跨界应用到CV(计算机视觉)领域。目前已成为深度学习的新范式,影响力和应用前景巨大。  本课程对Transformer的原理和PyTorch代码进行精讲,来帮助大家掌握其详细原理和具体实现。  原理精讲部分包括:注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力(Multi-Head Attention)、Encoder的位置编码(Positional Encoding)、残差链接、层规范化(Layer Normalization)、FFN(Feed Forward Network)、Transformer的训练及性能、Transformer的机器翻译工作流程。   代码精讲部分使用Jupyter Notebook对Transformer的PyTorch代码进行逐行解读,包括:安装PyTorch、Transformer的Encoder代码解读、Transformer的Decoder代码解读、Transformer的超参设置代码解读、Transformer的训练示例(人为随机数据)代码解读、Transformer的训练示例(德语-英语机器翻译)代码解读。相关课程: 《Transformer原理与代码精讲(PyTorch)》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲(TensorFlow)》https://edu.csdn.net/course/detail/36699《ViT(Vision Transformer)原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测:训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割:训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值