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 以下关于 Vision Transformer 说法错误的是( )。

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

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

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

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

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

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。