PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文

机器之心报道
编辑:陈

PyTorch实现各种注意力机制 。
注意力(Attention)机制最早在计算机视觉中应用 , 后来又在 NLP 领域发扬光大 , 该机制将有限的注意力集中在重点信息上 , 从而节省资源 , 快速获得最有效的信息 。
2014 年 , Google DeepMind 发表《Recurrent Models of Visual Attention》 , 使注意力机制流行起来;2015 年 , Bahdanau 等人在论文《Neural Machine Translation by Jointly Learning to Align and Translate》中 , 将注意力机制首次应用在 NLP 领域;2017 年 , Google 机器翻译团队发表的《Attention is All You Need》中 , 完全抛弃了 RNN 和 CNN 等网络结构 , 而仅仅采用注意力机制来进行机器翻译任务 , 并且取得了很好的效果 , 注意力机制也因此成了研究热点 。
经过几年的发展 , 领域内产生了众多的注意力机制论文研究 , 这些工作在 CV、NLP 领域取得了较好的效果 。 近日 , 在 GitHub 上 , 有研究者介绍了 17 篇关于注意力机制论文的 PyTorch 的代码实现以及使用方法 。

PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文
文章图片

项目地址:https://github.com/xmu-xiaoma666/External-Attention-pytorch
项目介绍
项目作者对注意力机制进行了分类 , 分为三个系列:Attention 系列、MLP 系列、ReP(Re-Parameter)系列 。 其中 Attention 系列中包含有大名鼎鼎的《Attention is All You Need》等 11 篇论文;最近比较热门的 MLP 系列包括谷歌的 MLP-Mixer、gMLP, Facebook 的 ResMLP , 清华的 RepMLP ;此外 , ReP(Re-Parameter)系列包括清华等提出的 RepVGG、 ACNet 。
【PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文】Attention 系列的 11 篇 Attention 论文 Pytorch 实现方式如下:

PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文
文章图片

  • Pytorch 实现论文「Beyond Self-attention: External Attention using Two Linear Layers for Visual Tasks---arXiv 2020.05.05」
  • Pytorch 实现论文「Attention Is All You Need---NIPS2017」
  • Pytorch 实现论文「Simplified Self Attention Usage」
  • Pytorch 实现论文 「Squeeze-and-Excitation Networks---CVPR2018」
  • Pytorch 实现论文「Selective Kernel Networks---CVPR2019」
  • Pytorch 实现论文「CBAM: Convolutional Block Attention Module---ECCV2018」
  • Pytorch 实现论文「BAM: Bottleneck Attention Module---BMCV2018」
  • Pytorch 实现论文「ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks---CVPR2020」
  • Pytorch 实现论文「Dual Attention Network for Scene Segmentation---CVPR2019」
  • Pytorch 实现论文「EPSANet: An Efficient Pyramid Split Attention Block on Convolutional Neural Network---arXiv 2020.05.30」
  • Pytorch 实现论文 「ResT: An Efficient Transformer for Visual Recognition---arXiv 2020.05.28」
MLP(多层感知机)系列中 , 包含 4 篇论文 Pytorch 实现方式 , 论文如下:

PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文
文章图片

  • Pytorch 实现论文「RepMLP: Re-parameterizing Convolutions into Fully-connected Layers for Image Recognition---arXiv 2020.05.05」
  • Pytorch 实现论文「MLP-Mixer: An all-MLP Architecture for Vision---arXiv 2020.05.17」
  • Pytorch 实现论文「ResMLP: Feedforward networks for image classification with data-efficient training---arXiv 2020.05.07」
  • Pytorch 实现论文「Pay Attention to MLPs---arXiv 2020.05.17」
ReP(Re-Parameter)系列中 , 包含 2 篇论文 Pytorch 实现方式 , 论文如下:

PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文
文章图片

  • Pytorch 实现论文「RepVGG: Making VGG-style ConvNets Great Again---CVPR2021」
  • Pytorch 实现论文「ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks---ICCV2019」
总结来说 , 该项目共用 Pytorch 实现了 17 篇注意力机制论文 。 每篇论文包括题目(可直接链接到论文)、网络架构、代码 。 示例如下:
论文:「Beyond Self-attention: External Attention using Two Linear Layers for Visual Tasks」 。
网络框架:

PyTorch|17篇注意力机制PyTorch实现,包含MLP、Re-Parameter系列热门论文
文章图片

代码:
from attention.ExternalAttention *import* ExternalAttention
import torch
input=torch.randn(50,49,512)
ea = ExternalAttention(d_model=512,S=8)
output=ea(input)
print(output.shape)

    推荐阅读