Loading

2025年11月21日
Vision Transformer (ViT) 原理及解读
摘要： ViT论文中提到，因为Transformer模型在NLP领域得到了广泛的应用，并被证明效果非常好，那自然而然的想法是将其应用到图像领域里来。 然而直接将2维的图片按像素拉成1维，序列长度太长，所以ViT的解决思路是把一张图片分为多个patch，每个patch作为一个token。 Transforme 阅读全文
posted @ 2025-11-21 23:58 C_noized 阅读(234) 评论(0) 推荐(0)