# ImageNet-21k預訓練

基於Vision Transformer（ViT）的圖像分類模型，由Google Research在JAX框架下使用ImageNet-21k預訓練，後移植到PyTorch。適用於特徵提取和微調場景。

基於Vision Transformer的圖像分類模型，在ImageNet-21k上預訓練，適用於特徵提取和微調

使用谷歌視覺Transformer架構微調的犬種分類模型，支持120種犬類的圖像識別

結合ResNet與Vision Transformer的混合圖像分類模型，基於ImageNet-21k預訓練，適用於特徵提取和微調場景。

基於Vision Transformer (ViT)架構的圖像分類模型，在ImageNet-21k數據集上預訓練，適用於特徵提取和微調場景。

基於Vision Transformer (ViT)架構的大規模圖像特徵提取模型，在ImageNet-21k數據集上預訓練

Swin Transformer v2是一種視覺Transformer模型，通過分層特徵圖和局部窗口自注意力機制實現高效的圖像分類和密集識別任務。

Swin Transformer是一種基於分層窗口計算的視覺Transformer模型，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

Swin Transformer是一種基於移位窗口的分層視覺Transformer模型，專為圖像分類任務設計。

BEiT是一種基於視覺Transformer的模型，通過自監督學習在ImageNet-21k數據集上預訓練，用於圖像分類任務。

該視覺Transformer（ViT）模型在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

基於ImageNet-21k數據集預訓練的視覺Transformer模型，適用於圖像特徵提取和下游任務微調。

Swin Transformer是一種基於移動窗口的分層視覺Transformer，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

Swin Transformer是一種基於分層窗口的視覺Transformer模型，在ImageNet-21k數據集上預訓練，適用於圖像分類任務。

BEiT是一種基於視覺Transformer（ViT）的自監督學習模型，通過ImageNet-21k數據集預訓練，用於圖像分類任務。

該視覺變換器（ViT）模型在ImageNet-21k數據集上以224x224分辨率進行了預訓練，適用於圖像分類任務。