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
Mr.Winter`19 小时前
自动驾驶运动规划 | 基于自行车模型的运动学模型和横向动力学模型详细推导图解唯道行19 小时前
计算机图形学·6 OpenGL编程3 谢尔宾斯基垫与三维编程落羽的落羽19 小时前
【Linux系统】C/C++的调试器gdb/cgdb，从入门到精通磊磊落落19 小时前
以自然语言的方式使用 Playwright MCP 进行浏览器自动化操作电商API_1800790524719 小时前
从客户需求到 API 落地：淘宝商品详情批量爬取与接口封装实践许泽宇的技术分享19 小时前
NOFX AI量化交易系统 - 完整使用手册亚马逊云开发者19 小时前
Agentic AI基础设施实践经验系列（二）：专用沙盒环境的必要性与实践方案rengang6619 小时前
01-深度学习概述：介绍深度学习的基本概念和发展背景Baihai_IDP19 小时前
探讨超长上下文推理的潜力文火冰糖的硅基工坊19 小时前
[人工智能-大模型-116]：模型层 - 用通俗易懂的语言，阐述离散卷积的神奇功能和背后的物理意义