论文阅读 （四）Vision Transformer ViT学习

视频：

ViT论文逐段精读【论文精读】
https://www.bilibili.com/video/BV15P4y137jb?t=1.7

专栏笔记
https://www.bilibili.com/read/cv14221668?from=note

不敢相信，昨天晚上通宵把ViT和MAE的论文精读看完了，B站评论区的大佬们太多了，笔记总结的很可以，就直接屯着了。
这几天看论文精读视频还是蛮有用的，论文写作思路、不同写作方式的优缺点，基本上已经能够独立判断了。
还有就是，最近看的论文好贵呀，比如MAE,作者说耗费资源很少，尽管如此，一篇论文跑的实验要耗费几十万美元？？ 贫穷限制了我的想像。

论文链接：
An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
https://arxiv.org/abs/2010.11929

github链接：
https://github.com/google-research/vision_transformer

来张ViT的框架图