在colab环境下实现，如果想使用cpu的话 自己换一下device的代码就可以了

利用ViT模型实现图像分类，本项目具有强大的泛化能力，可以实现任何图像分类任务，只需要修改数据集和类别数目参数。这里采用的是开源的“猫狗大战”数据集，实现猫狗分类。 本项目适用于Transformer初学者，通过该实践项目可以对于ViT模型的原理和结构有清晰地认识，并且可以学会在具体项目中如何运用ViT模型。本项目代码逻辑结构清晰，通俗易懂，适用于任何基础的学习者，是入门深度学习和了解Transformer注意力机制在计算机视觉中运用的绝佳项目。

MetaFormer是颜水成大佬的一篇Transformer的论文，该篇论文的贡献主要有两点：第一、将Transformer抽象为一个通用架构的MetaFormer，并通过经验证明MetaFormer架构在Transformer/ mlp类模型取得了极大的成功。 第二、通过仅采用简单的非参数算子pooling作为MetaFormer的极弱token混合器，构建了一个名为PoolFormer。 文章链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128494941

蚂蚁蜜蜂数据集，可以做二分类任务

基于贝叶斯新闻分类任务识别系统的设计与实现代码大全.pdf基于贝叶斯新闻分类任务识别系统的设计与实现代码大全.pdf基于贝叶斯新闻分类任务识别系统的设计与实现代码大全.pdf

BERT手把手实现分类任务-Pytorch

新人快速上手图像分类任务—猫狗分类 此数据集包含猫狗数据各1000张，用于新人快速上手图像分类任务。

MaxViT，是今年谷歌提出分层Transformer的模型，MaxViT 在各种设置下都达到了最先进的性能：ImageNet-1K分类任务，MaxViT 达到了 86.5% top-1 准确率 https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/127180668

[TFF学习]官方教材jupyter运行记录_联邦学习之图像分类任务_1

文件包含一个数据集（csv文件）和一个可执行代码（py文件），是对红酒数据集的分类训练与测试。可作为人工智能、机器学习初学者的学习资料。 模型训练基于逻辑回归算法，数据集和测试集按照8:2的比例进行划分。 数据集前11列为红酒的属性，最后一列是红酒的分类标签，此处红酒总共有六类（标签分别为3、4、5、6、7、8），每一行为一个红酒样本。通过对机器学习分类模型输入特征值，得出此红酒的种类。 需要Python版本3.8及以上；需要引入第三方库pandas和sklearn。