尧图网站建设 
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。RepMixer（Wang et al., CVPR 2024《RepViT: Revisiting Mobile CNN From ViT Perspective》，官方源码 github.com/THU-MIG/repvit，论文里的 RepMixer 在代码中就是 RepVGGDW）把 ViT 的 token mixer 重参数化：训练态三路并联——3×3 DW+BN、1×1 DW、identity——相加过 BN，fuse() 把三路折叠成单个 3×3 DW。本文把官方 RepVGGDW（连 Conv2d_BN、fuse 一起内嵌）替换进 v13n 主干的层 6，实测训练态 −172,800 参数、GFLOPs 6.5→5.97，部署态再折叠到 −173,440，与官方逐位一致（train/deploy max diff = 0，折叠前后 1.91e-06 浮点误差级），1 轮冒烟训练正常完成。前言重参数化家族在卷积层篇已经收了五篇：RepConv、DBB、MobileOneBlock、RepGhost，以及上一批的 UniRepLKBlock（第 91 篇，膨胀分支合并）。这篇回到最小最便宜的一档：RepViT 用"ViT 的宏观结构 + MobileNet 的微观算子"重做轻量 backbone，其 token mixer RepMixer 的答 YOLOv13改进策略【卷积层篇】| CVPR2024 RepMixer 可重参数化混合器，推理只剩一层卷积
本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。RepMixer（Wang et al., CVPR 2024《RepViT: Revisiting Mobile CNN From ViT Perspective》，官方源码 github.com/THU-MIG/repvit，论文里的 RepMixer 在代码中就是 RepVGGDW）把 ViT 的 token mixer 重参数化：训练态三路并联——3×3 DW+BN、1×1 DW、identity——相加过 BN，fuse() 把三路折叠成单个 3×3 DW。本文把官方 RepVGGDW（连 Conv2d_BN、fuse 一起内嵌）替换进 v13n 主干的层 6，实测训练态 −172,800 参数、GFLOPs 6.5→5.97，部署态再折叠到 −173,440，与官方逐位一致（train/deploy max diff = 0，折叠前后 1.91e-06 浮点误差级），1 轮冒烟训练正常完成。前言重参数化家族在卷积层篇已经收了五篇：RepConv、DBB、MobileOneBlock、RepGhost，以及上一批的 UniRepLKBlock（第 91 篇，膨胀分支合并）。这篇回到最小最便宜的一档：RepViT 用"ViT 的宏观结构 + MobileNet 的微观算子"重做轻量 backbone，其 token mixer RepMixer 的答