快捷方式

VisionTransformer

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

模型构建器

可以使用以下模型构建器来实例化 VisionTransformer 模型,可选择是否包含预训练权重。所有模型构建器内部都依赖于 torchvision.models.vision_transformer.VisionTransformer 基类。有关此类的更多详细信息,请参阅 源代码

vit_b_16(*[, weights, progress])

构建来自 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 的 vit_b_16 架构。

vit_b_32(*[, weights, progress])

构建来自 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 的 vit_b_32 架构。

vit_l_16(*[, weights, progress])

构建来自 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 的 vit_l_16 架构。

vit_l_32(*[, weights, progress])

构建来自 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 的 vit_l_32 架构。

vit_h_14(*[, weights, progress])

构建来自 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 的 vit_h_14 架构。

文档

访问全面的 PyTorch 开发者文档

查看文档

教程

为初学者和高级开发者提供深入的教程

查看教程

资源

查找开发资源并让您的问题得到解答

查看资源