Vision Transformers (ViT)

Предварительное обучение на крупномасштабных наборах данных

Начальная фаза обучения ViT на массивных корпусах данных, таких как ImageNet-21k или JFT-300M, необходимая для преодоления слабого индуктивного смещения и достижения хорошей производительности.

← Назад