文章目录摘要论文：《Vision-LSTM:xLSTM作为通用视觉主干》1、引言2、方法3、实验3.1分类设计4、结论致谢A.扩展结果A.1ViL与Vim的运行时间比较A.2更长训练时间的影响B.实现细节B.1硬件B.2FLOPS计算B.3ViL超参数B.4、DeiT-III重新实现的超参数测试结果

文章目录摘要安装包安装timm数据增强Cutout和MixupEMA项目结构计算mean和std生成数据集摘要论文链接：https://arxiv.org/pdf/2406.04303Vision-LSTM（ViL）架构的核心是xLSTM块。每个xLSTM块都包含一个输入门、一个遗忘门、一个输出门和一个内部记忆单元。与传统的LSTM

在Transformer诞生三年后，谷歌将这一自然语言处理的重要研究扩展到了视觉领域，也就是VisionTransformer。 论文链接：https://arxiv.org/abs/2406.04303项目链接: https://nx-ai.github.io/vision-lstm/GPT-4o深夜发布！Plus免费可用！https://www.zhihu.com/pin/1773