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
袁气满满~_~1 小时前
深度学习笔记三风象南1 小时前
OpenSpec 与 Spec Kit 使用对比：规范驱动开发该选哪个？草莓熊Lotso2 小时前
Linux 文件描述符与重定向实战：从原理到 minishell 实现Coder_Boy_3 小时前
技术发展的核心规律是「加法打底，减法优化，重构平衡」会飞的老朱5 小时前
医药集团数智化转型，智能综合管理平台激活集团管理新效能聆风吟º6 小时前
CANN runtime 实战指南：异构计算场景中运行时组件的部署、调优与扩展技巧Codebee8 小时前
能力中心 (Agent SkillCenter)：开启AI技能管理新时代聆风吟º9 小时前
CANN runtime 全链路拆解：AI 异构计算运行时的任务管理与功能适配技术路径uesowys9 小时前
Apache Spark算法开发指导-One-vs-Rest classifierAI_56789 小时前
AWS EC2新手入门：6步带你从零启动实例