ViT:一张图等于 16×16 个词

122 字 · 预计阅读 1 分钟

2020 · Dosovitskiy 等 / Google · 把图片切成小块当 token 送进 Transformer

2020 年,Dosovitskiy 等人在 Google 提出 ViT。它把图片切成 16×16 的小块,每块线性投影成一个 token

本文是会员内容

全文 122 字,已试读约 25%。开通专业版可阅读全文,并解锁全部官方课程与后续更新。

开通专业版

支持 7 天无理由退款 · 早鸟价 99 元/年(售完恢复365/年)

课程中涉及的第三方项目,其著作权与商标归各自权利人所有;引用处的署名与许可见《开源与来源说明》。