上期介绍了Transformer的结构、特点和作用等方面的知识，回头看下来这一模型并不难，依旧是传统机器翻译模型中常见的seq2seq网络，里面加入了注意力机制，QKV矩阵的运算使得计算并行。当然，最大的重点不是矩阵运算，而是注意力机制的出现。一、CNN最大的问题是什么CNN依旧是十分优秀的特征提取器，然而注意力机制的出现使得CNN隐含的一些问题显露了出来。CNN中一个很重要的概念是感受野，一开始神经网络渐层的的卷积核中只能看到一些线条边角等信息，而后才能不断加大，看到一个小小的“面”，看到鼻子眼睛，再到后来看到整个头部。一方面的问题是：做到这些需要网络层数不断地加深(不考虑卷积核的大小)，感
上期介绍了Transformer的结构、特点和作用等方面的知识，回头看下来这一模型并不难，依旧是传统机器翻译模型中常见的seq2seq网络，里面加入了注意力机制，QKV矩阵的运算使得计算并行。当然，最大的重点不是矩阵运算，而是注意力机制的出现。一、CNN最大的问题是什么CNN依旧是十分优秀的特征提取器，然而注意力机制的出现使得CNN隐含的一些问题显露了出来。CNN中一个很重要的概念是感受野，一开始神经网络渐层的的卷积核中只能看到一些线条边角等信息，而后才能不断加大，看到一个小小的“面”，看到鼻子眼睛，再到后来看到整个头部。一方面的问题是：做到这些需要网络层数不断地加深(不考虑卷积核的大小)，感
1.问题描述打开stablediffusionwebui时，提示缺少clip或clip安装不上2.解决方案原因：stablediffusionwebui环境中的clip其实是open_clip，不能用pipinstallclip安装解决方法是直接到github下载open_clip代码到本地，并进行本地安装。因为stablediffusion会在其根目录创建虚拟python环境venv，因此安装方法与github有所不同。可参考以下方法：从github将open_clip的源文件下载到本地，这一步可以使用gitclone也可以直接下载zip文件。下载后，解压（如果用gitclone就不需要）到
1.问题描述打开stablediffusionwebui时，提示缺少clip或clip安装不上2.解决方案原因：stablediffusionwebui环境中的clip其实是open_clip，不能用pipinstallclip安装解决方法是直接到github下载open_clip代码到本地，并进行本地安装。因为stablediffusion会在其根目录创建虚拟python环境venv，因此安装方法与github有所不同。可参考以下方法：从github将open_clip的源文件下载到本地，这一步可以使用gitclone也可以直接下载zip文件。下载后，解压（如果用gitclone就不需要）到
前言前面我们简单的了解了vue初始化时的一些大概的流程，这里我们扩展下Vue的patch。内容这一块主要围绕vue中的__patch__进行剖析。__patch__Vue.prototype.__patch__的方法位于scr/platforms/web/runtime/index.ts中；//installplatformpatchfunction//判断是否是浏览器环境，是就赋予patch否则就赋予空函数Vue.prototype.__patch__=inBrowser?patch:nooppatch.tspatch.ts位于src/platforms/web/runtime/patch.
前言前面我们简单的了解了vue初始化时的一些大概的流程，这里我们扩展下Vue的patch。内容这一块主要围绕vue中的__patch__进行剖析。__patch__Vue.prototype.__patch__的方法位于scr/platforms/web/runtime/index.ts中；//installplatformpatchfunction//判断是否是浏览器环境，是就赋予patch否则就赋予空函数Vue.prototype.__patch__=inBrowser?patch:nooppatch.tspatch.ts位于src/platforms/web/runtime/patch.
在做项目的时候，需要用户上传头像图片设置头像。将图片进行转base64码后进行put请求结果返回431错误。RequestHeaderFieldsTooLarge，查询资料后发现是文件请求字段过长，导致了请求都还没传到服务器就被拦截了，直接返回431错误。解决方法：1，分析问题：RequestHeaderFieldsTooLarge，文件请求头过长，之前在get请求的时候也返回了这个问题，但是明明get是没有带任何请求头的，也返回了431错误。经过一般摸索过后，发现问题出现在了token上。2，定位问题，之前没有这个报错是因为还没有在token中加入头像avatar这个字段。在这之前，我们先来
在做项目的时候，需要用户上传头像图片设置头像。将图片进行转base64码后进行put请求结果返回431错误。RequestHeaderFieldsTooLarge，查询资料后发现是文件请求字段过长，导致了请求都还没传到服务器就被拦截了，直接返回431错误。解决方法：1，分析问题：RequestHeaderFieldsTooLarge，文件请求头过长，之前在get请求的时候也返回了这个问题，但是明明get是没有带任何请求头的，也返回了431错误。经过一般摸索过后，发现问题出现在了token上。2，定位问题，之前没有这个报错是因为还没有在token中加入头像avatar这个字段。在这之前，我们先来
目录一、前言1.1Transformer在视觉领域上使用的难点1.2输入序列长度的改进1.3VIT对输入的改进二、VisionTransformer模型2.1Embedding层2.2TransformerEncoder2.3MLPHead2.4 具体流程三、模型搭建参数四、结果分析一、前言1.1Transformer在视觉领域上使用的难点 在NLP中，输入transformer中的是一个序列，而在视觉领域，需要考虑如何将一个2d图片转化为一个1d的序列，最直观的想法就是将图片中的像素点输入到transformer中，但是这样会有一个问题，因为模型训练中图片的大小是224*224=50
目录一、前言1.1Transformer在视觉领域上使用的难点1.2输入序列长度的改进1.3VIT对输入的改进二、VisionTransformer模型2.1Embedding层2.2TransformerEncoder2.3MLPHead2.4 具体流程三、模型搭建参数四、结果分析一、前言1.1Transformer在视觉领域上使用的难点 在NLP中，输入transformer中的是一个序列，而在视觉领域，需要考虑如何将一个2d图片转化为一个1d的序列，最直观的想法就是将图片中的像素点输入到transformer中，但是这样会有一个问题，因为模型训练中图片的大小是224*224=50
