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
金伟API10245 小时前
如何从零打造一个极简的DeepSeek-R1大模型江畔柳前堤5 小时前
大语言模型分布式训练：从并行策略到万卡工程的系统梳理Shockang5 小时前
智能体环路工程实战美摄科技5 小时前
美摄美颜特效SDK Skill：以AI赋能智能视音频新视界Web3_Daisy6 小时前
Pump.fun 与 FOMO 竞争背后的 Meme 市场变局AI创界者6 小时前
MiniMax-H3 本地一键部署整合包：8G 显存玩转文图生视频、视频参考、角色替换与超分补帧全流程江畔柳前堤6 小时前
HBM：大语言模型时代的「算力血液」——从内存墙到带宽革命的深度拆解美摄科技6 小时前
视频一键成片SDK Skill：AI智能分析与语义理解fthux7 小时前
装闭 RenoPit 源码解析（05）：FastAPI与Celery如何执行AI装修分析格数致用7 小时前
数据库设计与表结构详解｜信息化项目全流程管理系统源码逐行精讲（五）