pure-attention 0.0.5

use pure attention implement cv/nlp backbone

介绍

attention 在 cv 和 nlp 领域都有很多的应用，比如在 cv 中，可以使用 detr 进行目标检测任务，使用 vit / mae 进行图片预训练任务。

在 nlp 领域中的作用更不用提， bert 以及后续的更多工作将 attention 彻底的发扬光大。

cv 和 nlp 中的很多方法和技巧也在相互影响，比如大规模的预训练、mask 的设计(mae 、vilbert)、自监督学习的设计(从 imageNet 做有监督的预训练到纯粹的自监督预训练)。

这些方面都非常的有趣，我希望可以设计一个 backbone 结构，让其可以在 cv 任务和 nlp 任务上均取到 sota 的效果。

从而为之后的任务提供一个 baseline。

目标

提供一套完整的的基础算法服务

1、python 训练任务，包含 NLP 和 CV 任务 。

2、java 环境下使用 onnx 的在线推理部署，使用 onnx 的原因是我在公司用的是 TensorFlow 做推理，我不想和公司的代码一致。

todo

• 第一阶段的目标：实现 NLP 和 CV 的典型任务，并评估下游效果。

• Pytorch 实现 Transformer 的 encode 阶段，并实现 bert。 参考 transformers 的设计，但只保留与关键 encode 相关的代码，简化代码量。 并保持与原始 huggingface encode 的结果一致, 使用方法和一致性校验可以参考 backbone_bert

• Pytorch 实现 Transformer 的 decode 阶段，并实现 seq2seq 任务。

• NLP 下游任务 序列标注、分类 的实现，并在公开数据集上进行评估，这里主要是想证明实现的 backbone 效果是符合预期的；

• 实现 Vit，并在下游任务上验证实现 Vit 的效果是否符合预期；

• 第二阶段的目标：增加 NLP 和 CV 的其余常见任务，扩增项目的能力范围。

• UNILM；

• MAE；

• GPT系列；

• seq2seq，搞一个翻译任务；

• 实现模型的 onnx export；

• 实现 java 下的 onnx 推理过程；