1 Repo
Sequence models that utilize stacks of convolutional layers instead of recurrent units for parallel processing.
Distinct from Sequence-to-Sequence Models: Distinct from general Sequence-to-Sequence Models: specifically focuses on the convolutional architecture rather than encoder-decoder patterns.
Explore 1 awesome GitHub repository matching artificial intelligence & ml · Convolutional Sequence Models. Refine with filters or upvote what's useful.
TCN ist ein Deep-Learning-Sequenz-Framework und eine Bibliothek für den Aufbau temporaler Convolutional Networks. Es bietet ein Toolkit zur Implementierung rein konvolutionsbasierter Architekturen zur Modellierung sequenzieller Daten als Alternative zu rekurrenten neuronalen Netzwerken. Das Projekt enthält eine Benchmark-Suite für Sequenzmodellierung, die darauf ausgelegt ist, die Genauigkeit und Verarbeitungsgeschwindigkeit von Architekturen zu bewerten. Diese Suite nutzt standardisierte Aufgaben, einschließlich Gedächtnisproblemen, Ziffernklassifizierung, Musik- und Sprachaufgaben, um die Leistung zu quantifizieren. Das Framework deckt eine Reihe struktureller Komponenten für die Sequenzverarbeitung ab, wie etwa kausale Convolutional-Layer zur Vermeidung von Informationslecks und dilatierte Kernels zur Vergrößerung des rezeptiven Feldes. Es bietet zudem Residual-Connection-Blöcke für Gradientenstabilität und Datenpipelines zur Transformation von Roh-Zeitreihendaten in Tensoren.
Replaces recurrent neural networks with a stack of convolutional layers to allow parallel processing of sequences.