本文是openmmlab AI实战营的第二次课程的笔记，以下是我比较关注的部分。

在图像分类任务上，视觉基础模型的发展，最新的是convNeXt。

convNeXt : 返璞归真，将Swin Transformer 的模型元素迁移到卷积网络中，性能反超Transformer

他更好的一个事情就是，卷积在视觉领域已经做了很多年了，包括很多工程问题，一些算法，一些硬件，很多都对卷积进行了优化，突然换到transformer 可能有些工作是需要重来的。下图为在图像分类任务上视觉基础模型的发展：

卷积和transformer的区别

卷积里面最关键的计算是卷积， 而在transformer中他的一个基本的计算单元叫注意力机制，卷积是用一个卷积核对前一层的特征加权求和，得到后一层的特征，卷积核对输入来说是一个常数，无论用一个什么样的图片都是一个3*3的卷积核来卷，而且卷积有一个局部的限制

transformer ,本省意义没变，权重越大，特征越重要，在注意力机制里面，特征是一个输入的函数，就是说不同的图像，这个特征怎么去组合，事实上跟你输入的是什么有关系，可以不限于领域，它可以在全局中查找，谁有用就给他拽过来，融入到自己的特征里面，形成下一层特征 。

学习率和优化器

通常进行随机的初始化

1. 朴素方法：依照均匀分布或高斯分布

2. XAVIER

3. KAMING

如果有预训练模型的话，可以基于预训练模型进行权重初始化，可以达到更好的预训练速度。

学习率对训练是非常重要的

给两个建议：

还有几点优化，我这里没有列出，内容较多

无监督学习建议玩的 代码库 MMSelfSup

MMSelfSup

基于 PyTorch 的自监督学习工具箱和测试基准

• 多种自监督算法集成

• 标准化的性能评测

• 强大的MM系列兼容性及丰富的下游任务

我想玩玩无监督学习，自豪兄大佬，给的建议，在openMMLab上。