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
三月七（爱看动漫的程序员）2 分钟前
The Rise and Potential of Large Language ModelBased Agents:A Survey---讨论ai产品老杨34 分钟前
提前对风险进行预警并实施管控，运用AI技术将管理推向新时代的智慧地产开源了。Trouvaille ~1 小时前
【机器学习】解构概率，重构世界：贝叶斯定理与智能世界的暗语梭七y1 小时前
【笔记】记录对自主实现一个神经网络的步骤的理解MavenTalk1 小时前
微信小程序TTS解决方案CM莫问1 小时前
＜论文＞如何构建一个更鲁棒的Bert？杨过过儿1 小时前
【使用LLM搭建系统】1语言模型，提问范式与 Token墨绿色的摆渡人2 小时前
用 Python 从零开始创建神经网络（十七）：回归（Regression）春末的南方城市2 小时前
单幅图像合成 360° 3D 场景的新方法：PanoDreamer，可同时生成全景图像和相应的深度信息。赛丽曼2 小时前
Pandas