不积跬步无以至千里

摘要： ViT vs Swin Transformer ViT 和 Swin Transformer 的区别 1. 架构设计 ViT (Vision Transformer)： ViT 直接将图像分割成固定大小的非重叠小块（patches），然后将每个小块展开成一个向量，并将这些向量序列作为输入送入标准的T 阅读全文