首页/新闻资讯/正文详情

ViT 不是和 Transformer 并列的东西:真正该对比的是 CNN 和 Transformer 两套看图方式

发布时间:2026/9/27 23:01:32 来源:云帆数科 栏目:资讯中心
ViT 不是和 Transformer 并列的东西:真正该对比的是 CNN 和 Transformer 两套看图方式
摘要本文先纠正一个常见误区——ViT 并不是和 Transformer 并列的独立架构它就是 Transformer 在视觉任务上的落地版本。真正值得对比的是 CNN 和 Transformer 这两套“看图方式”CNN 靠局部窗口层层堆叠扩大视野省参数、适合纯视觉任务TransformerViT从第一层起就能全局建模参数不共享、吃算力但和 NLP 同构、天然适合多模态。一句话总结CNN 和 Transformer 是两种并列的看图架构ViT 只是后者在图像上的应用。李沐深度学习191集课程全解析模块拆解、学习路径-CSDN博客吴恩达《面向开发者的提示词工程》-CSDN博客吴恩达 MCP 教程Model Context Protocol一-CSDN博客先纠正一个概念ViT 不是和 Transformer 并列的东西——ViT 就是 Transformer 拿来做视觉的版本。真正值得对比的是 CNN 和 Transformer 这两套“看图方式”对小白最直观的对比CNNTransformerViT看图方式局部每次只看一小块窗口靠层层堆叠慢慢扩大视野全局第一层起每个位置就能直接看到全图所有位置参数全图共享一套卷积核省参数、便宜参数不共享费参数、吃算力打个比方拿着放大镜逐块扫描图片的侦探站在山顶一眼俯瞰全图的观察者强项纯视觉任务够用、省资源全局关系建模强和 NLP 同构天然好做多模态而ViT vs Transformer这个问题就像问“香蕉和水果有什么区别”——ViT 就是 Transformer 的视觉落地版流程笔记里讲得很清楚把图切成 Patch → 每块线性投影成向量 → 加位置编码和 Class Token → 整串喂给标准 Transformer Encoder → 取 Class Token 输出做分类。架构上没有任何新东西新的是“图像可以当成序列喂 Transformer”这个思路。所以一句话记住CNN 和 Transformer 是两种并列的看图架构ViT 只是后者在图像上的应用。

相关推荐

SpringBoot新手最容易忽略的7个细节
SpringBoot新手最容易忽略的7个细节

很多新手跑通第一个接口就以为掌握了SpringBoot,结果上线后才发现坑一个比一个深。框架帮你做了太多默认决策,你不问为什么,它就默认你懂。可这些默认值,恰恰是生产事故的源头。启动类的位置,决定了包扫描的边界Spring… · 2026/9/27 23:01:32

pastel 0.12.0 Windows x64 下载:颜色查看与格式转换示例
pastel 0.12.0 Windows x64 下载:颜色查看与格式转换示例

pastel 0.12.0 Windows x64 下载 官方发行页 本文整理 pastel 0.12.0 的 Windows x64 MSVC 压缩包。备用入口经草料提示页进入夸克,点击“继续访问”后查看文件;实际登录与下载要求以页面为准。 下载文件 文件名:pastel-v0.12.0-x86_64-p… · 2026/9/27 23:01:32

Yolov8训练使用蔬菜检测数据集 蔬菜12类检测 voc yolo 并实现可视化及评估 土豆鸡蛋辣椒胡萝卜黄瓜数据集进行检测
Yolov8训练使用蔬菜检测数据集 蔬菜12类检测 voc yolo 并实现可视化及评估 土豆鸡蛋辣椒胡萝卜黄瓜数据集进行检测

使用Yolov8训练使用蔬菜检测数据集 7400张 蔬菜12类检测 带标注 voc yolo 并实现可视化及评估 蔬菜检测数据集 7400张 蔬菜12类检测 带标注 voc yolo 分类名: (图片张数,标注个数) cabbage: (2097, 2842) potato: (961,3224) onion: (3028&am… · 2026/9/27 23:01:32

天津建设网站需要的费用详细步骤
天津建设网站需要的费用详细步骤

天津建设网站费用全解析:3个实战案例教你避坑 在天津找建站公司,最怕的就是报价单上写着“5000元”,最后结账变成了“2万5”。很多老板还没开工,心里就悬着一块石头: 找建站公司怕被坑高价 。别急,我整理了天津本地3个不同行业的 实战案例… · 2026/9/27 23:29:11

RKNN Toolkit2安装避坑指南:解决No module named rknn
RKNN Toolkit2安装避坑指南:解决No module named rknn

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/27 23:29:11

Zotero 7安卓Pad同步全攻略:WebDAV配置与插件避坑指南
Zotero 7安卓Pad同步全攻略:WebDAV配置与插件避坑指南

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/27 23:29:05

5G分流比优化实战:从31%到89%的可复用路径
5G分流比优化实战:从31%到89%的可复用路径

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/27 23:29:05

I2C总线400KHz扫描实战:USB转I2C适配器与Excel自动化记录
I2C总线400KHz扫描实战:USB转I2C适配器与Excel自动化记录

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/27 23:29:05

UFS3.1协议深度解析:从MIPI M-PHY到Write Booster实战
UFS3.1协议深度解析:从MIPI M-PHY到Write Booster实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/27 23:29:05

MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现
MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现

简介:这套Matlab仿真工具完整呈现雷达信号脉冲压缩过程,从线性调频(LFM)信号生成、目标回波仿真到匹配滤波压缩处理均有可运行代码支撑,面向电子信息工程、计算机、数学等专业学生,适用于课程设计、期末大作… · 2026/9/27 0:00:01

汕头网站建设制作厂家避坑指南:5大注意事项救急
汕头网站建设制作厂家避坑指南:5大注意事项救急

汕头网站建设制作厂家避坑指南:5大注意事项救急 改个需求建站公司拖一周,这种憋屈事我见得太多了。 很多汕头老板找本地建站团队,签合同前看着方案挺美,一上线就变脸。 今天不聊虚的,直接拆解找 汕头网站建设制作厂家 时的5个核心 注意事项… · 2026/9/27 0:00:01

多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习
多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习

简介:基于PyTorch的多模态虚假新闻检测项目完整代码包,面向自然语言处理与计算机视觉交叉方向的开发者、科研人员及毕业设计选题者,解决社交媒体中文本与图像联合识别虚假新闻的问题。系统以BERT预训练模型提取文本语义特征,以Res… · 2026/9/27 0:00:01

MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现
MATLAB雷达信号脉冲压缩仿真:LFM线性调频、匹配滤波与距离分辨率实现

简介:这套Matlab仿真工具完整呈现雷达信号脉冲压缩过程,从线性调频(LFM)信号生成、目标回波仿真到匹配滤波压缩处理均有可运行代码支撑,面向电子信息工程、计算机、数学等专业学生,适用于课程设计、期末大作… · 2026/9/27 0:00:01

汕头网站建设制作厂家避坑指南:5大注意事项救急
汕头网站建设制作厂家避坑指南:5大注意事项救急

汕头网站建设制作厂家避坑指南:5大注意事项救急 改个需求建站公司拖一周,这种憋屈事我见得太多了。 很多汕头老板找本地建站团队,签合同前看着方案挺美,一上线就变脸。 今天不聊虚的,直接拆解找 汕头网站建设制作厂家 时的5个核心 注意事项… · 2026/9/27 0:00:01

多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习
多模态虚假新闻检测实战:BERT+ResNet双塔与对比学习

简介:基于PyTorch的多模态虚假新闻检测项目完整代码包,面向自然语言处理与计算机视觉交叉方向的开发者、科研人员及毕业设计选题者,解决社交媒体中文本与图像联合识别虚假新闻的问题。系统以BERT预训练模型提取文本语义特征,以Res… · 2026/9/27 0:00:01

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码