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
冬奇Lab3 小时前
Workflow 系列（04）：Multi-Agent 协调——编排器边界、并发控制与上下文隔离冬奇Lab4 小时前
每日一个开源项目（第147篇）：HyperGraphRAG - 用超图表示 N 元关系，RAG 的第三代范式甲维斯4 小时前
Github + 阿里云oss实现类似codex的自动更新！阿里云大数据AI技术6 小时前
光轮智能 × 阿里云：共建 Physical AI 云上数据、评测与持续学习基础设施机器之心6 小时前
实锤了：Claude Code偷查用户，时区、中国AI实验室全是关键词网易云信6 小时前
Cursor点燃个人开发者，企业级AI为何频频受挫？Agent工厂从提效工具到AI员工的跃迁网易云信6 小时前
解锁触手可及的温暖：网易智企 x Wander Puffs AI 云游泡芙转转技术团队6 小时前
从 PRD 到可验证代码：AI 需求开发闭环实践