3 lines
229 B
Markdown
3 lines
229 B
Markdown
|
# vit-base-patch16-384_a13728443302801408312394
|
|||
|
|
|
|||
|
|
Vision Transformer （ViT） 是一个 transformer 编码器模型（类似 BERT），以 224x224 像素的受监督方式在大量图像（即 ImageNet-21k）上进行预训练。
|