AI說書 - 從0開始 - 488 | Vision Transformer 輸入資料之圖片檢視

我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

為了解釋 ViT 模型，首先先下載圖片，方便後續使用：

from IPython.display import Image
!curl -L https://raw.githubusercontent.com/Denis2054/Transformers_3rd_Edition/master/Chapter16/generate_an_image_of_a_car_in_space.jpg --output "generate_an_image_of_a_car_in_space.jpg"

先看看圖片長怎樣：

from PIL import Image
image_path = "/content/generate_an_image_of_a_car_in_space.jpg"
image = Image.open(image_path)

結果為：