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
Hao想睡觉14 分钟前
循环神经网络实战：用 LSTM 做中文情感分析（二）GetcharZp39 分钟前
玩转AI绘画，你只差一个节点式“魔法”工具——ComfyUI 保姆级入门指南一休哥助手1 小时前
Naive RAG：简单而高效的检索增强生成架构解析与实践指南岁忧1 小时前
(nice!!!)(LeetCode 每日一题) 1277. 统计全为 1 的正方形子矩阵 (动态规划)机器之心1 小时前
究竟会花落谁家？DeepSeek最新大模型瞄准了下一代国产AI芯片赵英英俊2 小时前
Python day51双向332 小时前
金融风控AI引擎：实时反欺诈系统的架构设计与实现星期天要睡觉2 小时前
计算机视觉（opencv）实战六——图像形态学（腐蚀、膨胀、开运算、闭运算、梯度、顶帽、黑帽）悟纤2 小时前
AI翻唱实战：用[灵龙AI API]玩转AI翻唱 – 第6篇神码小Z2 小时前
NewsNow搭建喂饭级教程