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
AI蜗牛之家2 小时前
Qwen系列之Qwen3解读：最强开源模型的细节拆解王上上2 小时前
【论文阅读30】Bi-LSTM(2024)殇者知忧2 小时前
【论文笔记】若干矿井粉尘检测算法概述YunTM2 小时前
贝叶斯优化+LSTM+时序预测=Nature子刊！舒一笑3 小时前
智能体革命：企业如何构建自主决策的AI代理？SpikeKing4 小时前
Server - 使用 Docker 配置 PyTorch 研发环境丁先生qaq4 小时前
热成像实例分割电力设备数据集（3类，838张）红衣小蛇妖4 小时前
神经网络-Day45JoannaJuanCV5 小时前
BEV和OCC学习-5：数据预处理流程KKKlucifer5 小时前
当AI遇上防火墙：新一代智能安全解决方案全景解析