快捷方式

VisionTransformer

VisionTransformer 模型基於 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 論文。

模型構建器

以下模型構建器可用於例項化 VisionTransformer 模型,可選擇是否載入預訓練權重。所有模型構建器均在內部依賴 torchvision.models.vision_transformer.VisionTransformer 基類。有關此類更多詳細資訊,請參閱 原始碼

vit_b_16(*[, weights, progress])

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 構建 vit_b_16 架構。

vit_b_32(*[, weights, progress])

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 構建 vit_b_32 架構。

vit_l_16(*[, weights, progress])

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 構建 vit_l_16 架構。

vit_l_32(*[, weights, progress])

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 構建 vit_l_32 架構。

vit_h_14(*[, weights, progress])

An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 構建 vit_h_14 架構。

文件

訪問全面的 PyTorch 開發者文件

檢視文件

教程

為初學者和高階開發者提供深入的教程

檢視教程

資源

查詢開發資源並讓您的問題得到解答

檢視資源