Pointnet++改进即插即用系列：全网首发KALNConv|即插即用，提升特征提取模块性能

简介：
1.该教程提供大量的首发改进的方式，降低上手难度，多种结构改进，助力寻找创新点！
2.本篇文章对Pointnet++特征提取模块进行改进，加入KALNConv，提升性能。
3.专栏持续更新，紧随最新的研究内容。

目录

1.理论介绍

2.修改步骤

2.1 步骤一

         2.2 步骤二

         2.3 步骤三

---

1.理论介绍

简化KAN模型概述
KANvolver:用于MNIST图像分类的单基函数
KAL-Net:在Kolmogorov Arnold Legendre网络中利用Legendre多项式
利用Chebyshev多项式
这个项目展示了使用PyTorch和CUDA加速对KAN模型进行训练、验证和量化。在MNIST数据集上对torchkan模型进行了评估，显示出显著的精度提高。
 

2.修改步骤

2.1 步骤一

新建kaln_conv.py文件，加入如下代码：

from functools import lru_cache

import torch
import torch.nn as nn
from torch.nn.functional import conv3d, conv2d, conv1d
##来源：https://github.com/1ssb/torchkan

class KALNConvNDLayer(nn.Module):