3 lines
288 B
Markdown
3 lines
288 B
Markdown
|
# vit-large-patch32-384_a14058242923032576570175
|
|||
|
|
|
|||
|
|
Vision Transformer （ViT） 模型在 ImageNet-21k（1400 万张图像，21843 个类别）上以 224x224 的分辨率进行预训练，并在 ImageNet 2012（100 万张图像，1000 个类别）上以 384x384 的分辨率进行微调。
|