← 返回卡片

原书出处

从零构建大模型:算法、训练与微调

04 ViT模型

核验版本的摘录快照 · 导入于 2026-11-18T07:33:44.766Z

(3)VisionTransformer:构建ViT的整体结构,首先通过PatchEmbedding生成嵌入,然后经过多个TransformerBlock层提取深层特征,最后将分类标识符作为全局特征输入MLP头,实现图像分类。

此预览只包含定位所需的摘录和上下文。

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