patch成为了ALL You Need？挑战ViT、MLP-Mixer的简单模型来了

[OneFlow深度学习框架]

#Vision Transformer#等视觉模型的强大性能，是来自于#Transformer# 架构，还是patch？研究者提出了简单 ConvMixer 模型进行证明，直接将 patch 作为输入，实验表明，ConvMixer 性能优于 ResNet 等经典视觉模型，并且在类似的参数计数和数据集大小方面也优于 ViT、MLP-Mixer 及其一些变体。论文：https://openreview.net/pdf?id=TVHS5Y4dNvM；代码：https://github.com/tmp-iclr/convmixer

 

[CSDN-Ada助手]

您可以前往 CSDN问答-人工智能 发布问题, 以便更快地解决您的疑问