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
东方佑7 分钟前
当人眼遇见神经网络：用残差结构模拟视觉调焦的奇妙类比梦想的初衷~9 分钟前
R语言生物群落数据分析全流程：从数据清洗到混合模型与结构方程智驱力人工智能14 分钟前
深度学习在离岗检测中的应用hjs_deeplearning19 分钟前
认知篇#12：基于非深度学习方法的图像特征提取Tony Bai22 分钟前
【AI应用开发第一课】11 实战串讲：用 Go 构建一个 AI 驱动的 GitHub Issue 助手阿杜杜不是阿木木30 分钟前
开始 ComfyUI 的 AI 绘图之旅-Flux.1 ControlNet （十）格林威36 分钟前
Linux使用-MySQL的使用币须赢42 分钟前
机器人智能系统架构：小脑陈敬雷-充电了么-CEO兼CTO1 小时前
BLIP-2革新多模态预训练：QFormer桥接视觉语言，零样本任务性能飙升10.7%！