transformer
-
何愷明新作：Just Image Transformer讓去噪模型回歸基本
當(dāng)今的去噪擴(kuò)散模型并非傳統(tǒng)意義上的“去噪”。 它們并不直接預(yù)測干凈的圖像。相反，神經(jīng)網(wǎng)絡(luò)預(yù)測的是噪聲或帶噪聲的量。 ResNet 之父、麻省理工副教授何愷明新論文發(fā)現(xiàn)了這一問題。 預(yù)測干凈數(shù)據(jù)和預(yù)測帶
何愷明 2025-12-01 -
李飛飛最新萬字訪談：未來五年，Transformer 可能被淘汰
編輯 重點(diǎn)君 11月24日，斯坦福大學(xué)教授、World Labs創(chuàng)始人李飛飛參加播客訪談，詳細(xì)闡述了她對空間智能（Spatial Intelligence）的構(gòu)想，并討論她與楊立昆在世界模型（Worl
-
Transformer如何讓自動駕駛變得更聰明？
自動駕駛中常提的Transformer本質(zhì)上是一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，最早在自然語言處理里火起來。與卷積神經(jīng)網(wǎng)絡(luò)（CNN）或循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）不同，Transformer能夠自動審視所有輸入信息，并動態(tài)
-
自動駕駛中 Transformer 大模型會取代深度學(xué)習(xí)嗎？
近年來，隨著ChatGPT、Claude、文心一言等大語言模型在生成文本、對話交互等領(lǐng)域的驚艷表現(xiàn)，“Transformer架構(gòu)是否正在取代傳統(tǒng)深度學(xué)習(xí)”這一話題一直被持續(xù)討論。特別是在自動駕駛領(lǐng)域，
-
谷歌推出全新底層架構(gòu)MoR，Transformer有了替代品
前言：大語言模型（LLMs）規(guī)模龐大但效率低下的問題長期備受關(guān)注。盡管模型參數(shù)持續(xù)增長，其在長文本處理中的性能衰減、計(jì)算資源消耗等問題始終未能有效解決。谷歌DeepMind最新提出的MoR架構(gòu)，可能為
-
如何使用Transformer在Twitter數(shù)據(jù)上進(jìn)行情感分類
介紹Transformer的發(fā)明最近取代了自然語言處理的世界。transformers是完全無視傳統(tǒng)的基于序列的網(wǎng)絡(luò)。RNN是用于基于序列的任務(wù)(如文本生成,文本分類等)的最初武器。但是,隨著LSTM和GRU單元的出現(xiàn),解決了捕捉文本中長期依賴關(guān)系的問題
-
自然語言處理（NLP）技術(shù)不斷突破，谷歌Transformer再升級
當(dāng)我們在翻譯軟件上輸入 “Transformer is a novel neural network architecture based on a self－attention mechanism”
-
用于大規(guī)模圖像縮放識別的Vision Transformer
在本文中，我想在不作太多技術(shù)細(xì)節(jié)的情況下，解釋作者提交給2021 ICLR會議的新論文“an－image－is－worth－16x16－words－transformers－for－image－recognition－at－scale”的研究成果（目前為止匿名）
圖像縮放 2020-10-31
