凡读过几天书，必学会写字。字首先要写得正确，要人认得。
汉字是方框字，有象形，有音有义。有偏旁有部首，有独体字、上下结构、左右结构、包围结构，同英文仅仅是26个字母的组合结构仅仅是注音文字不同。汉字本质是画图。如果我们看先秦楚简，这个特点就很明显，至于小篆也还是画图，这时笔画特征是不明显的，用一根麦秆沾漆或石墨就能进行很好的书写。所以写好汉字首先是结构，其次才是笔画。而学习结构就够不限于书写工具，小学生用的铅笔就可以了。
练习写字就是模仿，善于总结、善于模仿字就会越写越好。
学习中国的传统书法，用毛笔写字，需要特别练习。这是因为我们现在使用毛笔不是从刚开始写字时就使用毛笔，我们一生用毛笔完整抄千把字的文章的几乎都没有几个人了。一般学毛笔字表演的成分多，而不再是实际写字的需要。这就是个人爱好了。
练习毛笔字，难点在笔画。现在笔画都是从楷书入手，因为楷书笔画最丰富，也最难。当前人们喜欢欧体,便从欧体入手。可是欧体笔画最难，而结构严谨，我怀疑学习的人一定吃不少苦，而未必敢以欧体示人，一般都不成气候。清朝大概就是黄自元，在我这个年龄，也就见过廖蕴育一人。至于田氏兄弟的欧体已经完全没有大小欧阳的灵动，是没有生命力的死文字。虽然不难看，但如同少女，多相貌姣好，但是惊艳之人不多见。欧体本楷书公主，可叫那些自名得意之人打扮的如同村妇，千人一面，太可惜了。
民国时毛笔书写尚多，最易上手的当是赵体，赵体字形优美，笔画自然，容易书写，书写速度快，而容易转而进入行草。祖父是盐务局职员，文案必是不少，写的就是赵体，行草均佳。推崇的大概也就是邓散木。由于特殊的年代，我不得和祖父学字。祖父留给我的一句话就是“笔笔到”。我的字小时跟父亲学个基础，之后就是自己练习。虽然写个对联，单位写个横幅也可以挂出去，但自认为不像样子。这几年疫情，毛笔字小有进步，可以用小楷抄写文章了，开窍是源自钟繇《荐季直表》，抄了几遍，觉得有些味道，后来随便写倒也不难看了。
我的经验，写得多自然好了，写出自己的趣味，就刚好了。读书人能写出洪秀全的样子，我真的觉得很奇怪呢？
不解。
作为NLP领域的新秀transformer模型，是否同样可以使用在计算机视觉领域上，Google发布了ViT模型。
这是一种视觉模型，该模型尽可能地基于最初为基于文本的自然语言处理任务而设计的Transformer模型结构。ViT模型将输入图像表示为图像块序列，类似于在将transformed模型应用于文本时使用的单词embedding嵌入序列，并直接预测图像的类标签。
对于ViT模型，google对Transformer设计进行了尽可能少的修改，以使其直接在图像上运行，而不是在文字上运行，直接实现模型的大一统，让transformer模型直接统一计算机视觉任务与NLP自然语言处理任务上。
ViT将图像分成一个一个的小patch。然后将其线性投影到所需的输入尺寸，可以理解为word embedding的操作，当然这里称之为patch embedding的操作，两者都是把输入原始数据转化为矩阵数据，方便后期的注意力计算。
在ImageNet数据集上对ViT进行了训练，在该网络上，ViT的top-1准确性达到了77.9％的最高分数。虽然VIT模型可以正常预测图片，但它与最好的，在ImageNet上训练的CNN卷积神经网络的85.8％精度还有一定的差距。
为了研究数据集大小对模型性能的影响，在各大数据集上训练了ViT ，并将结果与最新的CNN进行了比较。如先前介绍的，当在ImageNet上训练（1M图像）时，ViT的性能明显比CNN差。但是，在ImageNet-21k（1400万张图像）上，性能是差不多的；在JFT（3亿张图像）上，ViT比CNN模型BiT更好。对于给定的计算量模型，ViT比CNN有更好的效果#动图详解transformer模型#
