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
学习星球42 分钟前
AI Agent 成本工程实战：从 OpenAI Codex 的 8 个“烧 Token“Bug 学起一点一木3 小时前
🚀 2026 年 8 月 GitHub 十大热门项目排行榜 🔥ssshooter3 小时前
现在网页都能提供 MCP 了？！京东云开发者3 小时前
Claude Code vs Codex 记忆体系深度对比不加辣椒4 小时前
第 4 章 什么是 Harness Engineering桃西西呀4 小时前
上下文窗口都卷到 100 万了，大模型为什么还在为"位置"发愁？阿拉斯攀登4 小时前
SpringBoot整合MQTT：后端订阅设备数据、解析传感器报文然我4 小时前
模型不是 Agent：从零实现一个最小 Agent Loop黄油面包4 小时前
Codex 额度三天见底后，我重新做了一周预算AI效率君4 小时前
Deer‑Flow 2.0 + Go‑MCP‑Server（add加法工具）保姆级完整教程