自VisionTransformer出现之后，人们发现Transformer也可以应用在计算机视觉领域，并且效果还是非常不错的。但是基于Transformer的网络模型通常具有数十亿或数百亿个参数，这使得它们的模型文件非常大，不仅占用大量存储空间，而且在训练和部署过程中也需要更多的计算资源。所以在本

自VisionTransformer出现之后，人们发现Transformer也可以应用在计算机视觉领域，并且效果还是非常不错的。但是基于Transformer的网络模型通常具有数十亿或数百亿个参数，这使得它们的模型文件非常大，不仅占用大量存储空间，而且在训练和部署过程中也需要更多的计算资源。所以在本

自VisionTransformer出现之后，人们发现Transformer也可以应用在计算机视觉领域，并且效果还是非常不错的。但是基于Transformer的网络模型通常具有数十亿或数百亿个参数，这使得它们的模型文件非常大，不仅占用大量存储空间，而且在训练和部署过程中也需要更多的计算资源。所以在本