原书出处
从零构建大模型:算法、训练与微调
04 ViT模型
在ViT模型中,图像分块与嵌入是适配Transformer结构的核心步骤。传统卷积神经网络直接在二维图像上应用卷积核提取特征,而ViT模型则先将图像划分为多个固定大小的小块,并将每个小块转换为向量表示,再通过嵌入层输入Transformer中。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/从零构建大模型:算法、训练与微调/_epub-src/EPUB/xhtml/chapter008_0001.xhtml
EPUB SHA-256:842d8d446ef11b03a65871e0294e4c77b0cbfd2b0d2f70e26bd747530b867901