vit-pytorch

这是一个基于PyTorch实现的视觉Transformer（ViT）及其多种变体的轻量级开源库，支持标准ViT及CaiT、LeViT、MobileViT、MaxViT、Masked Autoencoder等30余种主流视觉Transformer架构。项目提供简洁API、开箱即用的训练/推理接口，并兼容小数据集微调与自监督预训练任务。适用于图像分类、自监督学习、模型研究与教学实验等计算机视觉场景，强调可复现性与模块化设计。