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。
1.“如果我被强奸了，有人说我会失去贞操。”“我怎么失去贞操了呢？” “我的贞操不在我的阴道里。”“失去贞操的是强奸犯，而不是被强奸的人。”2.但要记得那年海边的烟火，我们不拘一格 ，嘲笑过生活。………网易云热评《这样就很好》3.“ 我们在...
趁早打电话联系腾讯文档的人可能还有救，一般这种都是数据库里标记为删除，文件还没有实际删除，然后经过一段时间后程序统一进行真删除。这个“一段时间”可长可短，可能是一小时也可能是几天几个月甚至几年，要看腾讯服务器的程序是怎么写的。不过你联系腾讯...
前些日子遇到了一位快递小哥，京东的，签收小哥年纪不算大，目测二十多岁他的手机上全是一道道极严重的划痕，有点卡，他开热点了，热点名就是手机型号，红米9a，我父母的同款现在他那边操作了一会，然后又是我这边操作了一会小哥看着我手机刷刷的，颇有些好...
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...
最近，华为上市了最新款的三折叠屏手机，于是很多大V们把这款手机吹上了天，吹成是技术上遥遥领先于全世界。谁要是敢质疑华而不实，就会被人扣上一顶汉奸卖国贼美狗的帽子。把一个商品捧成了宗教和菩萨，你只能说好，不能说不好。其实这个世界上，只要是人和...
这个真的得感谢1998年美国在南联盟使馆投的两颗大炸弹。在80年代中国下马了一千多个项目，用资金进口了近一百万辆小汽车。我记得小时候有一段时间从海南岛开往北方的漂亮日本小面包车，密集从村前公路上驶过，连过路的间隙都没有，就这样接连开了一个星...
