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
MoyiTech4 分钟前
【论文阅读】LANGUAGE MODELS CAN LEARN FROM VERBAL FEEDBACK WITHOUT SCALAR REWARDS飞哥数智坊27 分钟前
先理需求再写代码：新版 Cursor 用 Plan Mode 落地费曼学习法abcd_zjq27 分钟前
【2025最新】【win10】vs2026+qt6.9+opencv（cmake编译opencv_contrib拓展模Voyager_430 分钟前
图像处理踩坑：浮点数误差导致的缩放尺寸异常与解决办法知行力32 分钟前
【GitHub每日速递 251011】无需注册！本地开源AI应用构建器Dyad，跨平台速下载！jie*32 分钟前
小杰深度学习（ten）——视觉-经典神经网络——LetNetxwz小王子35 分钟前
Nature Machine Intelligence丨多模态大型语言模型中的视觉认知冰糖猕猴桃44 分钟前
【AI】深入 LangChain 生态：核心包架构解析松果财经1 小时前
千亿级赛道，Robobus 赛道中标新加坡自动驾驶巴士项目的“确定性机会”TMT星球1 小时前
滴滴自动驾驶张博：坚持负责任的科技创新，积极探索新型就业空间