2025年2月20日
Vision Transformer中的图像块嵌入详解：线性投影和二维卷积的数学原理与代码实现
摘要： Transformer 架构因其强大的通用性而备受瞩目，它能够处理文本、图像或任何类型的数据及其组合。其核心的“Attention”机制通过计算序列中每个 token 之间的自相似性，从而实现对各种类型数据的总结和生成。在 Vision Transformer 中，图像首先被分解为正方形图像块，然后 阅读全文
posted @ 2025-02-20 10:58 deephub 阅读(75) 评论(0) 推荐(0)