Google发表博客，介绍之前介绍过的论文。并将代码和模型开源。

本文不同于以往工作的地方，就是尽可能地将NLP领域的transformer不作修改地搬到计算机视觉领域来。本文研究表明，对 CNN 的依赖不是必需的，当直接应用于图像块序列时，transformer 也能很好地执行图像分类任务。在实验中，本文作者发现，在中等规模的数据集上（例如ImageNet），transformer模型的表现不如ResNets；而当数据集的规模扩大，transformer模型的效果接近或者超过了目前的一些SOTA结果。

内容中包含的图片若涉及版权问题，请及时与我们联系删除