自 2017 年 6月谷歌提出Transformer以来，它便逐渐成为了自然语言处理领域的主流模型。最近一段时间，Transformer更是开启了自己的跨界之旅，开始在计算机视觉领域大展身手，涌现出了多个基于Transformer的新模型，如谷歌用于图像分类的ViT以及复旦、牛津、腾讯等 ...