vqa.pytorch：Pytorch中的可视问题解答

【文件属性】：
文件名称：vqa.pytorch：Pytorch中的可视问题解答
文件大小：2.45MB
文件格式：ZIP
更新时间：2021-02-04 23:16:10
deep-learning torch pytorch vqa coco pytorch中的视觉问答 /！\适用于VQA的pytorch的新版本可在此处获取： ： 此由 （LIP6）和 （LIP6-Heuritech），两名在从事VQA工作以及他们的教授 （LIP6）和 （LIP6-CNAM）制作。 我们在名为的研究论文框架中开发了此代码（据我们所知）是上的最新技术。 此存储库的目标有两个： 为了更轻松地再现我们的结果， 为社区提供有效的模块化代码库，以进一步研究其他VQA数据集。 如果您对我们的代码或模型有任何疑问，请随时与我们联系或提交任何问题。 拉请求是欢迎的！ 新闻： 2018年1月16日：预训练的vqa2模型和Web演示 2017年7月18日

【文件预览】：
vqa.pytorch-master
----logs()
--------.keep(6B)
----train.py(16KB)
----.gitmodules(411B)
----visu.ipynb(14KB)
----demo_web()
--------index.html(8KB)
--------images()
--------js()
--------fonts()
--------css()
----requirements.txt(59B)
----doc()
--------mutan.png(267KB)
--------mutan_noatt.html(2.08MB)
--------vqa_task.png(469KB)
--------mutan_noatt.png(32KB)
--------mutan_noatt_vs_att.png(43KB)
--------mutan_noatt_vs_att.html(2.09MB)
----vqa()
--------external()
--------models()
--------lib()
--------__init__.py(0B)
--------datasets()
----options()
--------vqa2()
--------vqa()
----README.md(17KB)
----visu.py(8KB)
----demo_server.py(6KB)
----data()
--------.keep(6B)
----.gitignore(232B)
----extract.py(6KB)
----eval_res.py(2KB)