单选题 从空间域到频率域的步骤通常不包括以下哪一项？（）

单选题 在Vision Transformer的多头自注意力机制里，头的数量（）

单选题 Vision Transformer中用于将图像划分为固定大小的图像块的操作是（）

单选题 Vision Transformer在训练时，通常使用()作为优化器。

单选题 Vision Transformer与传统卷积神经网络(CNN)相比，其优势不包括（）

单选题 在Vision Transformer中，多头自注意力机制（Multi-Head Self-Attention）的主要目的是（）

单选题 Vision Transformer在处理图像时，位置编码的作用是（）

单选题 Vision Transformer中，分类标记([CLS]token)的作用是（）

单选题 Vision Transformer中，在输入图像块嵌入（Patch Embedding）之后，通常会添加()来表示序列的起始。