Transformer 在图像中的运用（二）TNT(Transf

基于上一篇文章说到的VIT(Transformers for Image Recognition at Scale）论文及代码解读
下面基于唐宇迪的视频简要说一下TNT模型。

TNT
其实说白了就是原来的切分的patch size比较大，所以这里就是将我们的patch size弄细一点。内部在原来的patch的基础上再嵌套一次Transformer。 image.png

参考：深度学习-Transformer实战系列(唐宇迪)