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,图像被分块,每个块展平为一维向量,并通过线性投影层映射到固定的嵌入空间。同时,添加一个分类标识符(CLS token)用于最终分类,序列中各块位置通过位置编码传递给Transformer,从而保留图像的结构信息。
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_0002.xhtml
EPUB SHA-256:842d8d446ef11b03a65871e0294e4c77b0cbfd2b0d2f70e26bd747530b867901