感觉很多答案都回答得很好了。
我就只说一点，经过在 Kaggle 上实践十几个数据集之后，我得到的结论是 ViT 系模型全都是“近视眼”。
（ViT 系模型: Vision Transformer 系列模型总称，包括 vit, swin, cait, deit, xcit, deit 等等）
比如说像下图这样的，哪怕你有近视眼，还是能分辨出狮子是狮子。
而 CV 科研界圣杯 ImageNet 里全是这样的图片，因此 ViT 系模型能大显身手。
在 Kaggle 里的类 ImageNet 数据的比赛中 ViT 确实能占一席之地，和 CNN 分庭抗礼 （并不是一边倒）。
但如果换成这样的图片，要在几千x几千像素的图片里分辨出这种像素级别的细节，那就不是 ViT 系模型的强项了，甚至在某些个数据集上基本无法正常收敛。
可以去看 Kaggle 上近两年的医疗图像比赛，金牌区基本看不到用 ViT 系模型的，清一色 CNN。
前！方！高！能！精选了多位学习Up主，不乏百万粉丝的大V，还有超多珍贵的学习资源推荐。进了小破站，完全不用担心学完了该怎么办？因为根本学不完啊！！！B站的学习干货实在太多了！语言学习葉子先生酱https://space.bilibili.c...
我说美国快要没招了，你信么？这次台积电宣布停止向中国大陆客户供应7纳米及更先进AI芯片，再加上前段时间台积电对华为的制裁，我们基本可以认为，台积电在高端芯片领域，已经彻底把大陆给拉黑了，这也意味着中美芯片战已经到了最关键的时刻，一旦我们克服...
你在你分期付款的订单下面有客服电话，直接打电话描述一下你的问题，你可以告诉他你是被恶意绑定的，在不了解有退学条件这一说的情况下报的课程，可能遇到消费者诈骗了，不承认有退学金，说是霸王条款，诈骗消费者，你若分期了先把自动续费关了，别让自己个人...
当年做一个百万PV的商城，也不过是两台2c4g的阿里云虚机罢了（其实一台就够，另外一台主要的逼着大家一定开发的时候一定要有负载均衡和横向扩容的意识）。当时框架还是Thinkphp3.2，框架提高运行效率的开关全打开，标准的lnmp模式，单机...
武大建校130周年时，雷军向母校个人捐款13亿。在2023年8月14日晚上七点，雷总在国家会议中心举行的进行第四次年度演讲「成长」：全篇都在谈成长、梦想，这么多年了，始终做到了知行合一，我相信酒色财气可能真不是他所追求的，一直追求的就像他演...
真实个人经历。我就是从培训班出来的，但没有学完就跑出来了。当我明白什么人不管什么基础都能进培训班进行培训，学到什么程度都能保证他们包就业，我就知道不正常。我自己是大三下的时候去的，考研考到一半感觉无望，想抓紧时间学习技术，利用应届生身份准备...
