秋招来了，跳槽季马上到了，大家多看别人的面经提前积攒经验，多了解几个热门&前沿知识点！别在侃侃而谈的时候，因为一个开放性问题卡壳，真的很社死！
最近面试的时候，面试官问了我一个问题：
你怎么看CV中的Transformer的！
当时我就懵了呢！因为前面还在聊技术问题，立马调整气势，说到：
我知道Transformer在NLP方面非常有实力！因为它在分类、检测等任务上展现了极其强劲的性能。而且骨干网络上的发展也推动了下游任务的发展，Swin Transformer更是成了屠榜般的存在，在工业界具有广阔的应用前景。
比如：
NLP中的训练方法是输入一个句子，盖住其中的几个词，然后要模型预测出盖住的词。
非常自然的能够想到CV中可以这样训练：输入一个图像，盖住其中的几个patch，然后要模型预测出盖住的patch。
但要想啃透CV Transformer 难度不小：
一方面，Transformer本是应用于NLP的论文，其中很多内容都形成了共识，在论文中并不会去详细介绍这些共识内容，例如QKV是什么，embedding是什么等，对于其他方向的人看到这些就很难理解。
另一方面，近小半年，Transformer CV的论文就已经有40多篇。学术研究更新之快，与脱发速度成正比
我学习Transformer CV的论文无非三个步骤：泛读、精读、代码复现。
给大家推荐科研一线——电子羊老师，推出的【CV中的Transformer专题MAE详解直播】，帮你彻底夯实 CV Transformer 基础。
PS：在学习MAE之前需要学习前置知识ViT的结构，输入以及输出。
↓ 前方福利 ↓
现在预约《MAE》直播仅0.1元
扫描
