Pointnet++改进61：添加InceptionDWConv2d|保持大感受野的同时，显著提升了模型的计算效率

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InceptionDWConv2d，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

受ViTs远程建模能力的启发，大核卷积最近被广泛研究和采用，以扩大接受野和提高模型性能，如使用7×7深度卷积的出色工作ConvNeXt。虽然这种深度运算只消耗少量的FLOPs，但由于较高的内存访问成本，很大程度上损害了模型在功能强大的计算设备上的效率。例如，ConvNeXt-T具有与ResNet-50相似的FLOPs，但在A100 gpu上进行全精度训练时只能达到60%的吞吐量。虽然减小ConvNeXt的内核大小可以