patch embedding操作

Patch embedding操作是将输入图像分成N个大小为patch_size的patch，并将每个patch进行线性变换投影到维度为embed_dim的空间上。这个操作可以通过卷积操作和展平操作来实现。首先，使用一个大小为patch_size的卷积核对输入图像进行卷积操作，将每个patch映射到embed_dim维的特征空间。然后，将卷积后的结果展平成一维向量，并进行转置操作，得到一个大小为N x embed_dim的特征向量，其中N表示图像被划分成的patch的数量。这样，每个patch都被表示为一个embed_dim维的向量，用于后续的处理。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [ViT Patch Embedding理解](https://blog.csdn.net/YoJayC/article/details/117820608)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]