Skip to content

GitLab

Commit de456f2d authored by lijian6's avatar lijian6
Browse files

Modify README.md 


Signed-off-by: lijian6's avatarlijian <lijian6@sugon.com>
parent 5ec77c7d
Show whitespace changes
Inline Side-by-side
Showing with 2 additions and 2 deletions
README.md
View file @ de456f2d
...@@ -6,11 +6,11 @@ ...@@ -6,11 +6,11 @@
## 模型结构 ## 模型结构
Vision Transformer先将图像用卷积进行分块以降低计算量，再对每一块进行展平处理变成序列，然后将序列添加位置编码和cls token，再输入多层Transformer结构提取特征，最后将cls tooken取出来通过一个MLP（多层感知机）用于分类。 Vision Transformer先将图像用卷积进行分块以降低计算量，再对每一块进行展平处理变成序列，然后将序列添加位置编码和cls token，再输入多层Transformer结构提取特征，最后将cls tooken取出来通过一个MLP（多层感知机）用于分类。
![img](./doc/vit.png) ![img](./docs/vit.png)
## 算法原理 ## 算法原理
图像领域借鉴《Transformer is all you need！》算法论文中的Encoder结构提取特征，Transformer的核心思想是利用注意力模块attention提取特征： 图像领域借鉴《Transformer is all you need！》算法论文中的Encoder结构提取特征，Transformer的核心思想是利用注意力模块attention提取特征：
![img](./doc/attention.png) ![img](./docs/attention.png)
## 环境配置 ## 环境配置
### Docker（方法一） ### Docker（方法一）
``` ```
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment