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
Shawn_Shawn5 小时前
人工智能入门概念介绍极限实验室5 小时前
程序员爆哭！我们让 COCO AI 接管 GitLab 审查后，团队直接起飞：连 CTO 都说“这玩意儿比人靠谱多了Maynor9966 小时前
Z-Image: 100% Free AI Image Generator爬点儿啥6 小时前
[Ai Agent] 10 MCP基础：快速编写你自己的MCP服务器（Server）张人玉7 小时前
百度 AI 图像识别 WinForms 应用代码分析笔记测试人社区-小明7 小时前
智能弹性伸缩算法在测试环境中的实践与验证Spring AI学习7 小时前
Spring AI深度解析（9/50）：可观测性与监控体系实战罗西的思考8 小时前
【Agent】MemOS 源码笔记---(5)---记忆分类dajun1811234568 小时前
反 AI 生成技术兴起：如何识别与过滤海量的 AI 伪造内容？人邮异步社区8 小时前
PRML为何是机器学习的经典书籍中的经典？