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
蓝染k9z2 分钟前
在Ubuntu上使用Docker部署DeepSeekpython算法(魔法师版)28 分钟前
基于机器学习鉴别中药材的方法小李学AI1 小时前
基于YOLO11的遥感影像山体滑坡检测系统笨小古1 小时前
保姆级教程：利用Ollama与Open-WebUI本地部署 DeedSeek-R1大模型AI浩2 小时前
【Block总结】CPCA，通道优先卷积注意力|即插即用HaiLang_IT2 小时前
毕业设计：基于卷积神经网络的鲜花花卉种类检测算法研究IT果果日记2 小时前
Ollama+OpenWebUI部署本地大模型说私域2 小时前
基于开源2 + 1链动模式AI智能名片S2B2C商城小程序的内容创作与传播效能探究想拿高薪的韭菜3 小时前
人工智能第2章-知识点与学习笔记雾岛心情4 小时前
【AIGC专栏】AI在自然语言中的应用场景