- 博客(2)
- 收藏
- 关注
RSS订阅原创 transformer论文理解（从self-attention开始）
2.decoder中的Masked Multi-Head Attention的q、k、v均来自上一个decoderlayer的输出，但进行了mask操作，将当前位置之后的向量的v设为负无穷，屏蔽掉当前位置之后的影响，使得输出只依赖于当前输入与此位置之前的信息。3.decoder中的Multi-Head Attention的k、v来自encoder的输出，而q来自Masked Multi-Head Attention的输出，这使得decoder的每个位置都可以关注到输入序列的全部信息。
2023-04-03 21:16:10
218
1
原创 CRNN模型理解及代码修改
特征序列中每个特征向量对应特征图的每一列，而特征图每一列又对应原始图像的一块矩形区域，由此可得图2，即每个特征向量对应一块矩形区域。直接计算原始图像与标签之间损耗。3.image = torch.FloatTensor(opt.batchSize, 3, opt.imgH, opt.imgH)后一个opt.imgH修改为opt.imgW（这种错误都有，麻了呀）基于词典D，从词典中选择最有可能的序列，为了解决时耗问题，可采取无词典与有词典相结合的方式，先依据无词典方式找到几个与真实序列很相近的候选序列，
2023-03-27 20:10:17
944
9
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人