Spaces:
Running
Running
File size: 32,100 Bytes
4f6a821 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 | <!DOCTYPE html>
<html lang="ru">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Attention is All You Need - Презентация</title>
<script src="https://cdn.tailwindcss.com"></script>
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.4.0/css/all.min.css">
<style>
.slide {
display: none;
animation: fadeIn 0.5s ease-in-out;
}
.slide.active {
display: block;
}
@keyframes fadeIn {
from { opacity: 0; }
to { opacity: 1; }
}
.code-block {
font-family: 'Courier New', monospace;
background-color: #2d3748;
color: #f7fafc;
padding: 1rem;
border-radius: 0.5rem;
overflow-x: auto;
}
.attention-formula {
font-size: 1.5rem;
color: #4fd1c5;
text-align: center;
margin: 1rem 0;
}
</style>
</head>
<body class="bg-gray-100 font-sans">
<div class="container mx-auto px-4 py-8 max-w-6xl">
<!-- Title Slide -->
<div class="slide active bg-white rounded-xl shadow-2xl p-8 mb-8">
<div class="flex flex-col items-center justify-center h-full">
<div class="text-5xl font-bold text-indigo-700 mb-6 text-center">
<i class="fas fa-brain mr-4"></i>Attention is All You Need
</div>
<div class="text-2xl text-gray-600 mb-8 text-center">
Революция в обработке последовательностей
</div>
<div class="text-xl text-gray-500 mb-12 text-center">
Ashish Vaswani, Noam Shazeer, Niki Parmar, et al. (2017)
</div>
<div class="flex space-x-4">
<div class="bg-indigo-100 text-indigo-800 px-4 py-2 rounded-full">
<i class="fas fa-project-diagram mr-2"></i>Transformer
</div>
<div class="bg-blue-100 text-blue-800 px-4 py-2 rounded-full">
<i class="fas fa-cogs mr-2"></i>Self-Attention
</div>
<div class="bg-purple-100 text-purple-800 px-4 py-2 rounded-full">
<i class="fas fa-language mr-2"></i>NLP
</div>
</div>
</div>
</div>
<!-- Problem Statement -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-question-circle mr-4"></i>Проблема существующих подходов
</h2>
<div class="grid grid-cols-1 md:grid-cols-2 gap-6">
<div class="bg-red-50 p-6 rounded-lg border-l-4 border-red-500">
<h3 class="text-xl font-semibold text-red-700 mb-3">RNN/LSTM</h3>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li>Последовательная обработка данных</li>
<li>Проблемы с длинными зависимостями</li>
<li>Трудно распараллелить</li>
<li>Вычислительно затратно</li>
</ul>
</div>
<div class="bg-blue-50 p-6 rounded-lg border-l-4 border-blue-500">
<h3 class="text-xl font-semibold text-blue-700 mb-3">CNN для последовательностей</h3>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li>Ограниченное рецептивное поле</li>
<li>Требуется много слоёв для глобальных зависимостей</li>
<li>Не учитывает порядок элементов</li>
</ul>
</div>
</div>
<div class="mt-8 bg-yellow-50 p-6 rounded-lg border-l-4 border-yellow-500">
<h3 class="text-xl font-semibold text-yellow-700 mb-3">Решение: Механизм внимания</h3>
<p class="text-gray-700">
Позволяет модели напрямую обращаться к любой части входной последовательности,
независимо от расстояния, с постоянным количеством операций.
</p>
</div>
</div>
<!-- Key Innovations -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-lightbulb mr-4"></i>Ключевые инновации
</h2>
<div class="grid grid-cols-1 md:grid-cols-3 gap-6">
<div class="bg-green-50 p-6 rounded-lg transform transition hover:scale-105">
<div class="text-4xl text-green-600 mb-4 text-center">
<i class="fas fa-arrows-alt-h"></i>
</div>
<h3 class="text-xl font-semibold text-green-700 mb-3 text-center">Self-Attention</h3>
<p class="text-gray-700">
Прямые связи между всеми элементами последовательности, независимо от расстояния
</p>
</div>
<div class="bg-purple-50 p-6 rounded-lg transform transition hover:scale-105">
<div class="text-4xl text-purple-600 mb-4 text-center">
<i class="fas fa-layer-group"></i>
</div>
<h3 class="text-xl font-semibold text-purple-700 mb-3 text-center">Multi-Head Attention</h3>
<p class="text-gray-700">
Несколько механизмов внимания, работающих параллельно для изучения разных типов зависимостей
</p>
</div>
<div class="bg-indigo-50 p-6 rounded-lg transform transition hover:scale-105">
<div class="text-4xl text-indigo-600 mb-4 text-center">
<i class="fas fa-bolt"></i>
</div>
<h3 class="text-xl font-semibold text-indigo-700 mb-3 text-center">Positional Encoding</h3>
<p class="text-gray-700">
Информация о порядке элементов добавляется через специальные embeddings
</p>
</div>
</div>
</div>
<!-- Transformer Architecture -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-project-diagram mr-4"></i>Архитектура Transformer
</h2>
<div class="flex justify-center mb-8">
<img src="https://miro.medium.com/v2/resize:fit:1400/1*BHzGVskWGS_3jEcYYiLmiQ.png"
alt="Transformer Architecture"
class="rounded-lg shadow-md max-w-full h-auto">
</div>
<div class="grid grid-cols-1 md:grid-cols-2 gap-6">
<div>
<h3 class="text-xl font-semibold text-blue-600 mb-3">Encoder</h3>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li>6 идентичных слоёв</li>
<li>Каждый слой содержит:
<ul class="list-circle pl-5 mt-2">
<li>Multi-head self-attention</li>
<li>Position-wise feed-forward network</li>
</ul>
</li>
<li>Residual connections и layer normalization</li>
</ul>
</div>
<div>
<h3 class="text-xl font-semibold text-purple-600 mb-3">Decoder</h3>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li>6 идентичных слоёв</li>
<li>Дополнительно к encoder содержит:
<ul class="list-circle pl-5 mt-2">
<li>Masked multi-head attention</li>
<li>Multi-head attention над выходом encoder</li>
</ul>
</li>
<li>Также residual connections и layer normalization</li>
</ul>
</div>
</div>
</div>
<!-- Scaled Dot-Product Attention -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-atom mr-4"></i>Scaled Dot-Product Attention
</h2>
<div class="attention-formula">
Attention(Q, K, V) = softmax(QK<sup>T</sup>/√d<sub>k</sub>)V
</div>
<div class="grid grid-cols-1 md:grid-cols-2 gap-8">
<div>
<h3 class="text-xl font-semibold text-blue-600 mb-3">Компоненты</h3>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li><strong>Q (Query)</strong> - что ищем</li>
<li><strong>K (Key)</strong> - что можем предложить</li>
<li><strong>V (Value)</strong> - фактическая информация</li>
<li><strong>d<sub>k</sub></strong> - размерность ключей (масштабирующий коэффициент)</li>
</ul>
<div class="mt-6 bg-blue-50 p-4 rounded-lg">
<h4 class="font-semibold text-blue-700 mb-2">Почему масштабирование?</h4>
<p class="text-gray-700">
При больших d<sub>k</sub> скалярное произведение становится очень большим,
pushing the softmax into regions with extremely small gradients.
</p>
</div>
</div>
<div>
<h3 class="text-xl font-semibold text-purple-600 mb-3">Реализация на Python</h3>
<div class="code-block">
<pre>import torch
import torch.nn.functional as F
def attention(query, key, value, mask=None):
d_k = query.size(-1)
scores = torch.matmul(query, key.transpose(-2, -1)) / math.sqrt(d_k)
if mask is not None:
scores = scores.masked_fill(mask == 0, -1e9)
p_attn = F.softmax(scores, dim=-1)
return torch.matmul(p_attn, value), p_attn</pre>
</div>
</div>
</div>
</div>
<!-- Multi-Head Attention -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-people-arrows mr-4"></i>Multi-Head Attention
</h2>
<div class="flex justify-center mb-8">
<img src="https://miro.medium.com/v2/resize:fit:1400/1*_92bns4XYKhZ6Yx1NY6R2A.png"
alt="Multi-Head Attention"
class="rounded-lg shadow-md max-w-full h-auto" style="max-height: 200px;">
</div>
<div class="grid grid-cols-1 md:grid-cols-2 gap-8">
<div>
<h3 class="text-xl font-semibold text-blue-600 mb-3">Концепция</h3>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li>Несколько attention heads (обычно 8)</li>
<li>Каждый head изучает разные аспекты зависимостей</li>
<li>Линейные проекции для Q, K, V перед attention</li>
<li>Результаты конкатенируются и проецируются обратно</li>
</ul>
<div class="mt-6 bg-yellow-50 p-4 rounded-lg">
<h4 class="font-semibold text-yellow-700 mb-2">Преимущества</h4>
<p class="text-gray-700">
Позволяет модели совместно обращать внимание на информацию из разных подпространств
представления в разных позициях.
</p>
</div>
</div>
<div>
<h3 class="text-xl font-semibold text-purple-600 mb-3">Реализация</h3>
<div class="code-block">
<pre>class MultiHeadedAttention(nn.Module):
def __init__(self, h, d_model):
super().__init__()
self.d_k = d_model // h
self.h = h
self.linears = clones(nn.Linear(d_model, d_model), 4)
def forward(self, query, key, value, mask=None):
nbatches = query.size(0)
# 1) Проецируем и меняем размерность для h heads
query, key, value = [
lin(x).view(nbatches, -1, self.h, self.d_k).transpose(1, 2)
for lin, x in zip(self.linears, (query, key, value))
]
# 2) Применяем attention ко всем проекциям
x, self.attn = attention(query, key, value, mask)
# 3) Конкатенируем и проецируем обратно
x = x.transpose(1, 2).contiguous() \
.view(nbatches, -1, self.h * self.d_k)
return self.linears[-1](x)</pre>
</div>
</div>
</div>
</div>
<!-- Positional Encoding -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-map-marked-alt mr-4"></i>Positional Encoding
</h2>
<div class="grid grid-cols-1 md:grid-cols-2 gap-8">
<div>
<h3 class="text-xl font-semibold text-blue-600 mb-3">Зачем нужно?</h3>
<p class="text-gray-700 mb-4">
Поскольку Transformer не содержит рекуррентных и сверточных операций,
ему необходимо явное представление порядка элементов в последовательности.
</p>
<div class="bg-green-50 p-4 rounded-lg mb-4">
<h4 class="font-semibold text-green-700 mb-2">Формула</h4>
<div class="text-center">
PE<sub>(pos,2i)</sub> = sin(pos/10000<sup>2i/d<sub>model</sub></sup>)<br>
PE<sub>(pos,2i+1)</sub> = cos(pos/10000<sup>2i/d<sub>model</sub></sup>)
</div>
</div>
<ul class="list-disc pl-5 text-gray-700 space-y-2">
<li>pos - позиция в последовательности</li>
<li>i - размерность</li>
<li>d<sub>model</sub> - размерность embedding</li>
</ul>
</div>
<div>
<h3 class="text-xl font-semibold text-purple-600 mb-3">Визуализация</h3>
<div class="flex justify-center">
<img src="https://jalammar.github.io/images/t/transformer_positional_encoding_example.png"
alt="Positional Encoding"
class="rounded-lg shadow-md max-w-full h-auto">
</div>
<p class="text-gray-700 mt-4 text-center">
Синусоидальные функции разных частот создают уникальные паттерны для каждой позиции
</p>
</div>
</div>
</div>
<!-- Results and Impact -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<h2 class="text-3xl font-bold text-indigo-700 mb-6">
<i class="fas fa-chart-line mr-4"></i>Результаты и влияние
</h2>
<div class="grid grid-cols-1 md:grid-cols-2 gap-8">
<div>
<h3 class="text-xl font-semibold text-blue-600 mb-3">Производительность</h3>
<div class="bg-white p-4 rounded-lg border border-gray-200 shadow-sm mb-4">
<h4 class="font-semibold text-gray-700 mb-2">WMT 2014 English-to-German</h4>
<div class="flex items-center">
<div class="w-3/4 bg-gray-200 rounded-full h-4">
<div class="bg-blue-600 h-4 rounded-full" style="width: 75%"></div>
</div>
<span class="ml-2 font-bold">28.4 BLEU (Transformer)</span>
</div>
<div class="flex items-center mt-2">
<div class="w-3/4 bg-gray-200 rounded-full h-4">
<div class="bg-blue-400 h-4 rounded-full" style="width: 65%"></div>
</div>
<span class="ml-2">25.8 BLEU (Previous best)</span>
</div>
</div>
<div class="bg-white p-4 rounded-lg border border-gray-200 shadow-sm">
<h4 class="font-semibold text-gray-700 mb-2">WMT 2014 English-to-French</h4>
<div class="flex items-center">
<div class="w-3/4 bg-gray-200 rounded-full h-4">
<div class="bg-green-600 h-4 rounded-full" style="width: 85%"></div>
</div>
<span class="ml-2 font-bold">41.8 BLEU (Transformer)</span>
</div>
<div class="flex items-center mt-2">
<div class="w-3/4 bg-gray-200 rounded-full h-4">
<div class="bg-green-400 h-4 rounded-full" style="width: 80%"></div>
</div>
<span class="ml-2">40.4 BLEU (Previous best)</span>
</div>
</div>
<div class="mt-6 bg-blue-50 p-4 rounded-lg">
<h4 class="font-semibold text-blue-700 mb-2">Вычислительная эффективность</h4>
<p class="text-gray-700">
В 3-10 раз быстрее в обучении, чем рекуррентные модели на GPU/TPU благодаря полной параллелизации
</p>
</div>
</div>
<div>
<h3 class="text-xl font-semibold text-purple-600 mb-3">Влияние на NLP</h3>
<div class="space-y-4">
<div class="flex items-start">
<div class="bg-purple-100 p-3 rounded-full mr-4">
<i class="fas fa-robot text-purple-600"></i>
</div>
<div>
<h4 class="font-semibold text-gray-800">BERT (2018)</h4>
<p class="text-gray-600">Bidirectional Encoder Representations from Transformers</p>
</div>
</div>
<div class="flex items-start">
<div class="bg-green-100 p-3 rounded-full mr-4">
<i class="fas fa-language text-green-600"></i>
</div>
<div>
<h4 class="font-semibold text-gray-800">GPT series (2018-2020)</h4>
<p class="text-gray-600">Generative Pre-trained Transformer (GPT-1, GPT-2, GPT-3)</p>
</div>
</div>
<div class="flex items-start">
<div class="bg-red-100 p-3 rounded-full mr-4">
<i class="fas fa-exchange-alt text-red-600"></i>
</div>
<div>
<h4 class="font-semibold text-gray-800">T5 (2019)</h4>
<p class="text-gray-600">Text-to-Text Transfer Transformer</p>
</div>
</div>
<div class="flex items-start">
<div class="bg-yellow-100 p-3 rounded-full mr-4">
<i class="fas fa-comments text-yellow-600"></i>
</div>
<div>
<h4 class="font-semibold text-gray-800">ChatGPT (2022)</h4>
<p class="text-gray-600">Основан на архитектуре Transformer</p>
</div>
</div>
</div>
<div class="mt-6 bg-purple-50 p-4 rounded-lg">
<h4 class="font-semibold text-purple-700 mb-2">За пределами NLP</h4>
<p class="text-gray-700">
Transformers успешно применяются в компьютерном зрении (ViT), обработке звука, биоинформатике и других областях
</p>
</div>
</div>
</div>
</div>
<!-- Conclusion -->
<div class="slide bg-white rounded-xl shadow-2xl p-8 mb-8">
<div class="flex flex-col items-center justify-center h-full">
<div class="text-4xl font-bold text-indigo-700 mb-6 text-center">
<i class="fas fa-graduation-cap mr-4"></i>Выводы
</div>
<div class="w-full max-w-2xl space-y-6">
<div class="flex items-start bg-indigo-50 p-4 rounded-lg">
<div class="bg-indigo-100 p-3 rounded-full mr-4">
<i class="fas fa-check text-indigo-600"></i>
</div>
<div>
<h3 class="font-semibold text-indigo-800">Новая парадигма</h3>
<p class="text-gray-700">
Transformer представил полностью attention-based архитектуру, отказавшись от рекуррентных и сверточных слоёв
</p>
</div>
</div>
<div class="flex items-start bg-green-50 p-4 rounded-lg">
<div class="bg-green-100 p-3 rounded-full mr-4">
<i class="fas fa-bolt text-green-600"></i>
</div>
<div>
<h3 class="font-semibold text-green-800">Вычислительная эффективность</h3>
<p class="text-gray-700">
Полностью параллелизуемая архитектура, быстрее обучение, лучшее качество на длинных последовательностях
</p>
</div>
</div>
<div class="flex items-start bg-purple-50 p-4 rounded-lg">
<div class="bg-purple-100 p-3 rounded-full mr-4">
<i class="fas fa-project-diagram text-purple-600"></i>
</div>
<div>
<h3 class="font-semibold text-purple-800">Гибкость</h3>
<p class="text-gray-700">
Архитектура легко адаптируется для различных задач (перевод, классификация, генерация)
</p>
</div>
</div>
<div class="flex items-start bg-yellow-50 p-4 rounded-lg">
<div class="bg-yellow-100 p-3 rounded-full mr-4">
<i class="fas fa-star text-yellow-600"></i>
</div>
<div>
<h3 class="font-semibold text-yellow-800">Будущее</h3>
<p class="text-gray-700">
Transformer стал основой для большинства современных моделей NLP и находит применение в других областях
</p>
</div>
</div>
</div>
</div>
</div>
<!-- Navigation -->
<div class="flex justify-between mt-8">
<button id="prevBtn" class="bg-indigo-600 hover:bg-indigo-700 text-white font-bold py-3 px-6 rounded-full transition transform hover:scale-105">
<i class="fas fa-arrow-left mr-2"></i>Назад
</button>
<div class="flex space-x-2">
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
<button class="page-indicator w-3 h-3 rounded-full bg-indigo-300"></button>
</div>
<button id="nextBtn" class="bg-indigo-600 hover:bg-indigo-700 text-white font-bold py-3 px-6 rounded-full transition transform hover:scale-105">
Вперед<i class="fas fa-arrow-right ml-2"></i>
</button>
</div>
</div>
<script>
document.addEventListener('DOMContentLoaded', function() {
const slides = document.querySelectorAll('.slide');
const prevBtn = document.getElementById('prevBtn');
const nextBtn = document.getElementById('nextBtn');
const pageIndicators = document.querySelectorAll('.page-indicator');
let currentSlide = 0;
// Initialize first slide and indicator
slides[0].classList.add('active');
pageIndicators[0].classList.remove('bg-indigo-300');
pageIndicators[0].classList.add('bg-indigo-600');
function showSlide(index) {
// Hide all slides
slides.forEach(slide => slide.classList.remove('active'));
// Show current slide
slides[index].classList.add('active');
// Update indicators
pageIndicators.forEach(indicator => {
indicator.classList.remove('bg-indigo-600');
indicator.classList.add('bg-indigo-300');
});
pageIndicators[index].classList.remove('bg-indigo-300');
pageIndicators[index].classList.add('bg-indigo-600');
// Update button states
prevBtn.disabled = index === 0;
nextBtn.disabled = index === slides.length - 1;
}
// Next slide
nextBtn.addEventListener('click', function() {
if (currentSlide < slides.length - 1) {
currentSlide++;
showSlide(currentSlide);
}
});
// Previous slide
prevBtn.addEventListener('click', function() {
if (currentSlide > 0) {
currentSlide--;
showSlide(currentSlide);
}
});
// Keyboard navigation
document.addEventListener('keydown', function(e) {
if (e.key === 'ArrowRight' || e.key === ' ') {
if (currentSlide < slides.length - 1) {
currentSlide++;
showSlide(currentSlide);
}
} else if (e.key === 'ArrowLeft') {
if (currentSlide > 0) {
currentSlide--;
showSlide(currentSlide);
}
}
});
// Click on indicator
pageIndicators.forEach((indicator, index) => {
indicator.addEventListener('click', function() {
currentSlide = index;
showSlide(currentSlide);
});
});
});
</script>
<p style="border-radius: 8px; text-align: center; font-size: 12px; color: #fff; margin-top: 16px;position: fixed; left: 8px; bottom: 8px; z-index: 10; background: rgba(0, 0, 0, 0.8); padding: 4px 8px;">Made with <img src="https://enzostvs-deepsite.hf.space/logo.svg" alt="DeepSite Logo" style="width: 16px; height: 16px; vertical-align: middle;display:inline-block;margin-right:3px;filter:brightness(0) invert(1);"><a href="https://enzostvs-deepsite.hf.space" style="color: #fff;text-decoration: underline;" target="_blank" >DeepSite</a> - 🧬 <a href="https://enzostvs-deepsite.hf.space?remix=JohnConnor123/abs" style="color: #fff;text-decoration: underline;" target="_blank" >Remix</a></p></body>
</html> |