print('Loss: {:.4f Acc: {:.4f'.format(epoch_loss epoch_acc))
总结使用PyTorch从头开始训练了这个Vision Transformer架构的自定义实现 。 因为数据集非常小(每个类只有100个样本) ， 这影响了模型的性能 ， 只获得了0.71的准确率 。
这只是一个简单的演示 ， 如果需要提高模型表现 ， 可以使用更大的数据集 ， 或者稍微调整架构的各种超参数!
https://avoid.overfit.cn/post/1f4156a56139417d97745066c0b497ec
【emb|从视频到音频：使用VIT进行音频分类】作者：Alessandro Lamberti

• PHP|马化腾也急了，视频号要开始收费了，可是腾讯的问题才开始出现
• Kindle|Kindle后时代，升级从硬件开始，墨案Air拉开6寸小屏的王者争夺战
• 智能手机|OV发布5000万像素传感器OV50H：1/1.3寸大底、8K视频
• 自从微软发布windows11操作系统以来|不满足这个条件的电脑不能安装win11
• 自从微信更新了8.0版本后|微信8.0版本更新：表情大变革，秒变扫描仪
• 微信已经更新至8.0版本了|1招解锁微信朋友圈长视频！
• 服务业|从创业英雄到万人厌恶的资本家，马云是对是错？人民日报这么说的
• 中外短视频大赛圆满收官，优秀作品展映中！
• 自从手机升级了鸿蒙系统后|华为鸿蒙系统的4个新功能
• 短视频|短视频与长视频的2022