100 Papers with Code

关于这个网站

这个网站旨在收集和展示 100 篇重要的 AI 论文及其代码实现。每篇论文都附有链接，方便读者深入了解。

为什么要搭建这个网站？

在本人学习，阅读和实践 AI 领域的过程中，发现很多重要的论文和代码实现都散落在各个地方。为了方便自己和其他人查阅，我决定搭建这个网站，将这些重要的论文和以及自己的实现，集中在一起。

如何使用这个网站？

每个论文都有一个独立的页面，包含论文的基本信息、链接和代码实现。你可以通过点击论文名称来查看详细内容。一下是以及实现，或者是打算记录的论文列表：

Number	Paper Name	Description	Code	Category
01	Attention is All You Need (Transformer )	引入了 Transformer 架构，该架构完全依赖 自注意力机制（Self-Attention） 进行序列建模，使得模型可以 并行计算，并在 自然语言处理任务 上大幅提升了性能。		NLP / Transformer
02	An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale ( Vision Transformer )	Vision Transformer (ViT) 是一种将图像划分为小块（patches），并将其作为 token 输入标准 Transformer 模型进行图像分类的架构，首次实现了纯注意力机制在视觉任务中的成功应用。		Computer Vision / Transformer
03	Swin Transformer: Hierarchical Vision Transformer using Shifted Windows ( Swin Transformer )	Swin Transformer 是一种使用层次化结构和滑动窗口自注意力机制的视觉 Transformer 模型，既保留了局部建模的高效性，又通过窗口偏移实现跨区域信息交互，适用于图像分类、目标检测和语义分割等多种视觉任务。		Computer Vision / Transformer
04	Learning Transferable Visual Models From Natural Language Supervision ( CLIP )	CLIP 是一种利用大规模图文对比学习，将图像与自然语言映射到同一语义空间，从而实现零样本图像识别与跨模态检索的多模态基础模型		Computer Vision / Transformer

05 | FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness ( Flash Attention ) | FlashAttention 是一种优化的注意力机制实现，通过减少内存访问和提升计算效率，实现更快、更节省资源的 Transformer 推理与训练。 | | Computer Vision / Transformer |

: {.hover}