Transformer是nlp领域的常见模型了，在Attention is All You Need一文中凭借着嚣张的题目和明显的效果席卷了nlp的各个领域。最近CV领域也出现了一些使用Transformer的论文，本文介绍 ICLR 2021 的亮点工作之一 Vision Transformer ，也就是传说中的 VIT。