Dit is de Linux-app xFormers, waarvan de nieuwste versie kan worden gedownload als v0.0.33.post1sourcecode.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en gebruik online gratis deze app genaamd xFormers met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCREENSHOTS
Ad
xFormers
PRODUCTBESCHRIJVING
xformers is een modulaire, prestatiegerichte bibliotheek met transformer-bouwstenen, ontworpen om onderzoekers en engineers in staat te stellen transformer-architecturen flexibeler samen te stellen, te experimenteren en te optimaliseren dan monolithische frameworks. Het abstraheert componenten zoals aandachtslagen, feedforwardmodules, normalisatie en positionele codering, zodat u geoptimaliseerde kernels eenvoudig kunt combineren of verwisselen. Een van de belangrijkste doelen is efficiënte aandacht: het ondersteunt dichte, spaarzame, lage rang en benaderende aandachtsmechanismen (zoals FlashAttention, Linformer, Performer) via uitwisselbare modules. De bibliotheek bevat geheugenefficiënte operatorimplementaties in zowel Python als geoptimaliseerde C++/CUDA, waardoor prestaties niet worden opgeofferd ten gunste van modulariteit. Het integreert ook naadloos met PyTorch, zodat u de blokken kunt integreren in bestaande modellen, standaard aandachtslagen kunt vervangen of nieuwe architecturen vanaf nul kunt bouwen. xformers bevat tools voor training, implementatie en geheugenprofilering.
Kenmerken
- Modulaire transformatorbouwstenen (let op, FFN, normen, positiecoderingen)
- Ondersteuning voor verschillende efficiënte aandachtstypen (spaarzaam, benaderend, lokaliteit)
- Geoptimaliseerde GPU-kernels en fallback Python-implementaties
- Naadloze integratie met PyTorch-modellen en trainingslussen
- Profilerings- en benchmarkingtools om doorvoer, geheugen en latentie te vergelijken
- Ondersteuning voor het mengen van aandachtstypen in één model (hybride architecturen)
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/xformers.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
