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。
根据这些数据，守护袁昆发现手机网民基本和网民数持平（占比99%），手机上网成为第一选择。视频用户数和即时通信用户都超过10亿，占网民整体97%以上。网络支付用户、网络购物用户过9亿，估计电商用户增长基本变缓。大家不看好的搜索引擎用户数8.2...
今天微博圈就被淘宝的消息刷屏了。没错，正是关于淘宝即将全面支持微信支付的消息。这条消息一出，立刻登上了微博热搜，毕竟社交巨头和电商巨擘的联手，实在令人瞩目。不少大媒体也纷纷跟进报道，这阵势真是令人惊叹。网友们纷纷表示这是巨大的变革，终于可以...
许多企业主会说，是的。企业所有权可能意味着利润以及一定程度的财务稳定性。此外，对于小企业主来说，它提供了摆脱朝九晚五工作限制的机会，这些工作可能不会给您带来快乐或成就感。也就是说，创业并非没有挑战——从提出一个有利可图的想法，到获得资金，再...
相信很多接触过286的90后朋友都和我有一样的体会，以前的机械键盘真的是让人头皮发麻，不仅敲击要非常用力，而且很吵。所以后面随着大家的生活消费水平的上升，家家户户都有电脑了，自然也不想再用打字来宣扬自己有电脑的优越感，基本上大家都换成了又轻...
大家好，我是程序员鱼皮。大家如果平时使用网站或产品时出现了问题，一般都会去寻找 “联系客服” 的位置，从而获得人工的帮助。我们团队的面试刷题产品 - 面试鸭最近就遇到了这样一个难题：明明我们网站右下角就有联系客服按钮、而且我们每道面试题目下...
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...
