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。
互联网巨头们正在陌生人社交领域疯狂试探。…
我给你举个真实的例子。。 有一个人叫高伟东，在哈尔滨工作。在2012年做了一个APP。使用词根词缀背单词。名字叫： 词根词缀词典这个人编辑了2300余条词根，给10万多条单词建立了词根索引，整理了50多万条的单词记忆方法，包括新版本的诸多新…
我讲一下离谱的真相吧，欢迎喷我。 很多人都觉得B站在赶走人才，赶走优秀的长视频创作者，也觉得知乎在这么做，是没错的。 确实在这么做。而原因很简单。 只有影响力很大的KOL才有商业价值。 （KOL是指“关键意见领袖”）而你说你是人才？ 对不起…
分享几个路子稳，门槛低，变现快，适合年轻人的靠谱的副业。绝对不是送外卖、滴滴、搬砖等等的苦力活，这几个副业都是能是性价比极高，还能让你快速成长的工作。 想通过副业实现暴富、立马月入过万的同学，建议速速划走。 今天撇哥就给大家分享 100+个…
这题我会，我教马云一招。 你直接把你那破比支付宝的代码全删了，重新写一个。 打开支付宝直接就是一个大大的支付码，然后右上角按一下就是扫一扫。你要是还想保留你的其他那些乱七八糟的功能，麻烦将他们全部做到下拉菜单里。你这么设计我不说你能干死微信…
对于任何短视频平台来说，如何用最低的成本快速实现伪原创搬运都是需要解决的问题。 所有的短视频平台，包括抖音、快手、tiktok、视频号、小红书、B站，甚至是FB、推特、INS、YouTube，它们的查重技术都是类似的，只要你在网络环境设置得…
