ViT-L/14

Определение

Конкретная версия Vision Transformer с размером патча 14x14 пикселей. Применяется как vision encoder в GPT-4V и Fuyu-8B.

Где встречается

• 362. Что такое Fuyu-8B и чем архитектурно отличается от GPT-4V
• 800+ вопросов

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление