elbayadm/attn2d
این مدل یک معماری نوآورانه برای پیش‌بینی دنباله‌به‌دنباله است که از توجه گسترده در شبکه‌های کانولوشنی 2D استفاده می‌کند.
کاربرد:
این مدل برای وظایفی که نیاز به درک رابطه بین عناصر در یک دنباله دارند، مثل ترجمه ماشینی، خلاصه‌سازی متن و تبدیل متن به گفتار مناسب است.
در چه شرایطی بهتره استفاده شود؟
وقتی داده‌های شما ساختار دو بعدی دارند یا می‌خواهید از ویژگی‌های مکانی و ترتیبی به صورت همزمان استفاده کنید، این مدل عملکرد بهتری نسبت به مدل‌های مبتنی بر توجه خودکار یا کانولوشن ساده دارد.
چند مثال از موارد استفاده:
- ترجمه متون با حفظ ساختار نحوی
- تولید زیرنویس برای ویدیوها با توجه به زمان و محتوا
- پردازش همزمان دنباله‌های متنی و تصویری در سیستم‌های چندوجهی ️
- ##seq2seq
- ##attention
- ##convolutional
- ##machine
- ##text
- ##NLP
- ##deep
- ##2D
- ##pervasive
- ##text