文章目录
- [1. 重点](#1. 重点)
- [2. 思维导图](#2. 思维导图)
1. 重点
- patch embedding : 将图形分割成不重叠的块作为图片样本特征
- depth wise + point wise = new conv2d : 将传统的卷积转换成通道隔离卷积和像素空间隔离两个部分，在保证精度下降不多的情况下大大减少参数量
2. 思维导图
后续再整理吧，太忙了，写个大概如下：
17、ConvMixer模型原理及其PyTorch逐行实现
取个名字真难呐2024-12-19 18:04
相关推荐
richard_first3 分钟前
第21章 训练一个简单的 GPTFPGA信号处理5 分钟前
【 凸优化】第六讲：求解器与支持向量机专注仿真7 分钟前
支持向量机（SVM）算法详解与代码实例Highcharts.js11 分钟前
Highcharts 集成到 React 或 Vue 项目中时，如何高效地使用 TypeScript技巧？小lo想吃棒棒糖12 分钟前
把 启元机器人Q1 的训练搬到昇腾 910B：从 MuJoCo 到 PPO 的一次完整迁移收放扳机12 分钟前
PCB自动化整机“末端执行器”与“机械手负载”的匹配选型IT_陈寒14 分钟前
JavaScript实战技巧总结：深挖数组遍历的性能陷阱与实战解法weixin_3077791320 分钟前
RAG 级联失效分析——面试中的错误归因艺术骑着蜗牛撵大象32721 分钟前
闲鱼捡漏自动化：关键词加价格上限先粗筛，AI 大模型再做第一轮判定AI创界者22 分钟前
Python 进阶实战（十八）：API 网关安全与异步鉴权中间件 —— 基于 AsyncIO 的 JWT 零拷贝验权与动态黑名单过滤