一张图片值多少字？

一张图片胜过千言万语？无法用言语完整地描述一幅图画。但论文告诉我们一张图像相当于 16×16 个单词。在这篇博客中，我将解释使用 Transformer 进行图像识别。这是一篇非常有趣的论文，

这篇论文有什么特别之处？

 

它很特别，因为这里我们不会使用任何卷积网络层。它基于标准转换器编码器来执行图像处理任务。变形金刚没有任何假设，但 CNN 对图像有很多假设。事实上，Transformers 最初是为 NLP 设计的。

使用 T