Vision Transformer源码阅读笔记

代码：

首先阅读文件vit_model.py

VIT模型中输入图片的大小是固定的，所以如果大小不对，就要报错

【函数中卷积核太大，能不能换成3x3的】
【每一个patch都是同一组卷积核卷积得到的，每个patch对应于原图的不同区域，区域之间不重叠，如果重叠，效果会不会更好？】

对代码进行说明

posted @   好人~  阅读(28)  评论(0)  编辑  收藏  举报
相关博文：
· Transformer、VIT、swin transformer
· RepVGG
· Vision Transformer(VIT)
· pytorch(12-1) Transformer 用到视觉模块
· ViT简述【Transformer】
阅读排行：
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布：重大改进与新特性概览！
· AI与.NET技术实操系列（二）：开始使用ML.NET
· 单线程的Redis速度为什么快？
点击右上角即可分享
微信分享提示
AI FOR CODE 大赛