文章目录 摘要导入项目使用的库设置全局参数图像预处理读取数据设置模型定义训练和验证函数测试完整的训练代码 摘要 来自 Facebook 的研究者提出了一种名为 ConViT 的新计算机视觉模型，它结合了两种广泛使用的 AI 架构——卷积神经网络 (CNN) 和 Transformer，该模型取长补短，克服了 CNN 和 Transformer 本身的一些局限性。同时，借助这两种架