V2 cabang
Vision Transformer
Gambar dipotong jadi patch, di-embed, ditambah token [CLS] dan posisi, lalu masuk Transformer encoder.
URUTAN BELAJAR
- patch embedding
- token CLS
- position embedding
- encoder block
- classification head
HASIL YANG DISIMPAN
Patch embedding untuk gambar kecil.
CEK PEMAHAMAN
Berapa jumlah token untuk gambar 32×32 dengan patch 8×8?
Soal
Soal untuk topik ini menyusul.
Membuka
Ujung jalur.