超级会员免费看
SAM3 几行代码支持任意图像分辨率，减少显存占用（针对transformers库）
分析
sam3的图像和视频模型的图像分辨率默认是1008*1008，这么大的图像和视频需要极大的显存。经过查看transformers的源码，我们发现这个image_size主要影响的是模型global attention的rope，看它代码实现：
class Sam3ViTLayer(GradientCheckpointingLayer):
"""Vision Transformer layer with rotary position embeddings and optional windowed attention."""
def __init__<
订阅专栏 解锁全文
扫一扫
285
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
