你好，关于CLIP知识扩散论文，即《掩膜图像建模的统一视角：》，当老师使用CLIP vit-large/14处理196的输入分辨率时，学生使用vit-base/16处理224的输入分辨率。在这种情况下，CLIP vit-large/14的位置嵌入(即257)与我们老师的位置嵌入(即197)不匹配。请问如何解决这个问题以符合论文的要求？非常感谢！
0ve6wy6x1#
请参考clip_model在beit v2代码库中的详细信息。具体来说，使用interpolate_pos_encoding函数来调整位置嵌入的大小。
1条答案
按热度按时间0ve6wy6x1#
请参考clip_model在beit v2代码库中的详细信息。
具体来说，使用interpolate_pos_encoding函数来调整位置嵌入的大小。