模型描述

Vision Transformer（ViT）是一个transformer编码器模型（类似于BERT），以自监督方式预训练于一个大型图像集合（即ImageNet-1k），分辨率为224×224像素。

将图像作为固定大小的补丁序列（分辨率为16×16）呈现给模型，这些补丁被线性嵌入。在序列开始添加[CLS]令牌以用于分类任务。在将序列提供给Transformer编码器的层之前，还添加绝对位置嵌入。

请注意，此模型不包括任何微调头。

通过预训练模型，它学习了图像的内部表示，然后可以用于提取对下游任务有用的特征：例如，如果您有一个带标签的图像数据集，可以在预训练的编码器的顶部放置一个线性层来训练标准分类器。通常将线性层放置在[CLS]令牌的顶部，因为此令牌的最后隐藏状态可以看作是整个图像的表示。

facebook/dino-vitb16浏览人数已经达到1,409，如你需要查询该站的相关权重信息，可以点击"5118数据""爱站数据""Chinaz数据"进入；以目前的网站数据参考，建议大家请以爱站数据为准，更多网站价值评估因素如：facebook/dino-vitb16的访问速度、搜索引擎收录以及索引量、用户体验等；当然要评估一个站的价值，最主要还是需要根据您自身的需求以及需要，一些确切的数据则需要找facebook/dino-vitb16的站长进行洽谈提供。如该站的IP、PV、跳出率等！

特别声明

本站Ai导航提供的facebook/dino-vitb16都来源于网络，不保证外部链接的准确性和完整性，同时，对于该外部链接的指向，不由Ai导航实际控制，在2021年5月4日下午1:08收录时，该网页上的内容，都属于合规合法，后期网页的内容如出现违规，可以直接联系网站管理员进行删除，Ai导航不承担任何责任。

Ai导航致力于优质、实用的网络站点资源收集与分享！本文地址https://www.ainavpro.com/sites/2459.html转载请注明