vit

威化饼的一隅

ViT模型技术学习最近多模态模型特别火，模型也越来越小，MiniCPM-2.6只有8B，里面采用的图片编码器是SigLipViT模型，一起从头学习ViT和Transformer！本文记录一下学习过程，所以是自上而下的写，从ViT拆到Transformer。

VIT模型简介ViT（Vision Transformer）是一种基于Transformer架构的视觉模型，它改变了传统卷积神经网络（CNN）在计算机视觉领域的主导地位。ViT 将图像视为一系列的补丁（patches），并通过自注意力机制（self-attention mechanism）来来捕捉全局信息，从而实现了强大的视觉表征学习能力。

ViT算法解读——Transformer在分类任务中的应用论文：An image is worth 16x16 words: Transformers for image recognition at scale 作者：Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly,

翻滚的小@强

LLM动手实践(一): 微调google的bert和vit模型完成文本和图片的分类任务最近大模型比较火热，也正好在公司开始接触这块相关的业务，大模型是未来的趋势，对于研发工程师来讲，是powerful的效能工具，所以想沉淀一些大模型实践相关的笔记来记录自己在使用大模型产品，部署开源大模型解决实际问题或需求，以及fine-tune大模型实现某个功能过程中的所思和所想。

昇思 25 天学习打卡营第 15 天 | mindspore 实现 VisionTransformer 图像分类使用 mindspore 学习神经网络，打卡第 15 天；主要内容也依据 mindspore 的学习记录。

ViT：4 Pruning实时了解业内动态，论文是最好的桥梁，专栏精选论文重点解读热点论文，围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调或者LLM背后的基础模型重新阅读。而最新科技（Mamba,xLSTM,KAN）则提供了大模型领域最新技术跟踪。若对于具身智能感兴趣的请移步具身智能专栏。技术宅麻烦死磕AI架构设计。

ViT：3 Compact Architecture大模型技术论文不断，每个月总会新增上千篇。本专栏精选论文重点解读，主题还是围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调或者LLM背后的基础模型重新阅读。而最新科技（Mamba,xLSTM,KAN）则提供了大模型领域最新技术跟踪。若对于具身智能感兴趣的请移步具身智能专栏。技术宅麻烦死磕AI架构设计。

uniapp实现微信小程序调用云函数【vue3】本人是从微信开发者工具写原生微信小程序一步一步走来，由于vue3框架的慢慢的步入前端市场，为了不被前端市场遗弃，果断从vue2开始步入vue3的学习，本人习惯在在HBuilder X写uniapp的项目，过去uniapp默认vue2框架，现在可以选择vue3框架了，遇到了一个很大的问题，就是由于cloudfunctions不是在默认的目录结构中，运行到微信开发者工具里面时候，发现cloudfunctions没有一起编译进来，更要命的是原来在vue2里面用的vue.config.js可选的配置文件用于cop

3D医疗图像配准 | 基于Vision-Transformer+Pytorch实现的3D医疗图像配准算法

CV计算机视觉每日开源代码Paper with code速览-2023.11.1精华置顶墙裂推荐！小白如何1个月系统学习CV核心知识：链接点击@CV计算机视觉，关注更多CV干货论文已打包，点击进入—>下载界面