当前位置： 首页 > ops >正文

vison transformer vit 论文阅读

ops 2025/9/3 11:56:07

An Image is Worth 16x16 Words

20年的论文看成10年的哈斯我了

[2010.11929] 一张图像胜过 16x16 个单词：用于大规模图像识别的转换器 --- [2010.11929] An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

 

为什么transformer好训练，transformer很好训练吗 

为什么 transformer性能不会饱和

 

 

 

 

 Vision Transformer是什么，能干嘛

比如说我三视图有一个圆柱和一个立方体 Vision Transformer能识别出正方体的长宽高信息和圆柱体的直径和高度信息吗 

 他不是有注意力吗，我能不能让他分开的几个区域算作一个东西

http://www.xdnf.cn/news/4833.html

相关文章：

  • 微软系统 红帽系统 网络故障排查：ping、traceroute、netstat
  • PDF文档解析新突破：图表识别、公式还原、手写字体处理，让AI真正读懂复杂文档！
  • 使用Python和OpenCV实现实时人脸检测与识别
  • C++ 观察者模式详解
  • 使用程序绘制中文字体——中文字体的参数化设计方案初探
  • 打造专属AI好友：小智AI聊天机器人详解
  • 【新品发布】VXI可重构信号处理系统模块系列
  • 麦科信获评CIAS2025金翎奖【半导体制造与封测领域优质供应商】
  • CI/CD面试题及答案
  • Android SDK
  • 记录一次使用thinkphp使用PhpSpreadsheet扩展导出数据，解决身份证号码等信息科学计数法问题处理
  • 【Linux操作系统】第一弹——Linux基础篇
  • 第8章-4 查询性能优化2
  • 学习threejs，使用Physijs物理引擎
  • 排序算法总结
  • AWS IoT Core与MSK跨账号集成:突破边界的IoT数据处理方案
  • docker常用命令总结
  • java学习笔记
  • 【Unity笔记】PathCreator使用教程：用PathCreator实现自定义轨迹动画与路径控制
  • 基于SSM实现的健身房系统功能实现八
  • STM32F103C8 AD采样
  • isp流程介绍(yuv格式阶段)
  • DeepInjectSQL - 基于 AI 生成对抗网络（GAN）的下一代 SQL 注入自动化漏洞猎手
  • 拆分sql数据，(shop_backup)sql文档过大（＞5G）
  • 把Excel数据文件导入到Oracle数据库
  • 电路研究9.3.4——合宙Air780EP中的AT开发指南：HTTPS示例
  • 第四天 从CAN总线到Spark/Flink实时处理
  • LDO与DCDC总结
  • MindSpore框架学习项目-ResNet药物分类-构建模型
  • LLM量化方法：ZeroQuant、LLM.int8()、SmoothQuant、GPTQ、AWQ