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
明月照山海-6 小时前
机器学习周报四十一Daydream.V6 小时前
LSTM项目实战——情感分析项目byte轻骑兵7 小时前
从收音机到蓝牙：LE Audio核心BASS服务解析与实战jr-create(•̀⌄•́)7 小时前
正则化和优化算法区别饭后一颗花生米7 小时前
2026 AI加持下前端学习路线：从入门到进阶，高效突破核心竞争力默 语7 小时前
“我跑不过我的代码“：今天北京半马，程序员追机器人追到开电瓶车AC赳赳老秦7 小时前
HR必备：OpenClaw批量筛选简历、发送面试通知，优化招聘流程GreenTea7 小时前
Deep Dive into Claude Code：源码泄漏引发的AI Agent架构全解析