ভিশন ট্রান্সফরমার
ভিশন ট্রান্সফরমার (ViT), ২০২১ সালে Dosovitskiy এবং সহকর্মীদের দ্বারা প্রবর্তিত, একটি ছবিকে নির্দিষ্ট আকারের প্যাচে বিভক্ত করে, সেই প্যাচগুলিকে একটি ক্রম হিসাবে বিবেচনা করে এবং চিত্র শ্রেণিবিভাগের জন্য ট্রান্সফরমার সেলফ-অ্যাটেনশন মেকানিজম প্রয়োগ করে। পর্যাপ্ত প্রশিক্ষণ ডেটা থাকলে, এটি কনভোলিউশনাল নিউরাল নেটওয়ার্ক (CNN) কে ছাড়িয়ে যায়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+27 more
উৎস
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Vision Transformer (ViT). ScholarGate. https://scholargate.app/bn/deep-learning/vision-transformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- ডিফিউশন মডেলগভীর শিখন↔ compare
- জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কগভীর শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- সাপোর্ট ভেক্টর মেশিন (শ্রেণীকরণ)যন্ত্র শিখন↔ compare
- ভেরিয়েশনাল অটোএনকোডারগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →