3 lines
266 B
Markdown
3 lines
266 B
Markdown
|
# vit-base-patch32-384_a13570863137681408750282
|
|||
|
|
|
|||
|
|
视觉Transformer（ViT）是一种类似BERT的变换器编码器模型，它在一个大型图像集合上以有监督的方式预训练，即在分辨率为224x224像素的ImageNet-21k数据集上进行预训练。
|