# Self Attention
Attention_self Attention_multi head Attention
该文档主要介绍了attention及其变种selfattention、multi-attention以及一些相关的paper
Self Attention与Transformer
1.由来 在Transformer之前,做翻译的时候,一般用基于RNN的Encoder-Decoder模型。从X翻译到Y。 但是
On estimating gaze by self_attention augmented convolutions
3D凝视的估计与多个领域高度相关，包括但不限于交互式系统，专门的人机界面和行为研究。尽管最近深度学习方法已经提高了基于外观的凝视
Self Attention GAN Tensorflow master.zip
GAN生成对抗网络 基于Tensorflow 实现去噪 以及图片生成 可自己修改图片数据集 以及迭代次数等 内附命令行 小白可上
self attention层和transformer层的不同
Transformer模型是目前最先进的自然语言处理模型之一，其中的self-attention层和transformer层是非
论文研究Sentence Encoding attention with another self.pdf
句子编码: 基于两种数据粒度的注意力机制，张昕楠，李炜，本文提出了一种基于注意力的结构来在自然语言推理的任务中进行语句编码。这种
An Improved Visual Inertial Odometry Based on Self Adaptive Attention Anticipati
一种基于自适应注意力-预测机制的视觉惯性里程计，阮文龙，王晶，随着机器人视觉的发展，视觉惯性里程计取得了很大的成功。然而在低功耗
人工智能学习十六Self Attention和Transformer
Self Attention Attention机Decoder是输出元素和Encoder中的输入元素做attention,说的
Learning Lightweight Lane Detection CNNs by Self Attention Distillation.pdf
Trainingdeepmodelsforlanedetectionischallengingduetotheverysub
Self Attention Keras自我关注与文本分类源码
自关注与文本分类 本仓库基于自关注机制实现文本分类。 依赖 Python 3.5 凯拉斯 数据集 IMDB影评高度分类数据集,来