拓冰网站定制 
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。深度可分离卷积（DWConv）FLOPs 很低，实际速度却常常上不去——内存访问太多。PConv（Partial Convolution，Chen et al., CVPR 2023, FasterNet 的核心算子，官方源码 github.com/JierunChen/FasterNet）给出第三种思路：只对 1/4 的通道做普通 3×3 卷积，其余通道原样直通。本文把它插入 v13n 的层 8 之后做轻量空间增强，实测+36,864 参数、GFLOPs 几乎不变。前言卷积层篇的本篇回到"插入式"玩法（与注意力类模块同款：层 8 之后插入、层号全量顺移）。PConv 出自 CVPR 2023《Run, Don't Walk: Chasing Higher FLOPS for Faster Neural Networks》（FasterNet），它不是完整的网络也不做通道变换，而是一个保形的轻量空间算子——正好适合作为即插即用的特征增强插入到主干末端。本文所有数据均在 v13n 上实测。专栏目录： YOLOv13改进策略【卷积层篇】| CVPR 2023 PConv 部分卷积，FasterNet 的省算力核心算子
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。深度可分离卷积（DWConv）FLOPs 很低，实际速度却常常上不去——内存访问太多。PConv（Partial Convolution，Chen et al., CVPR 2023, FasterNet 的核心算子，官方源码 github.com/JierunChen/FasterNet）给出第三种思路：只对 1/4 的通道做普通 3×3 卷积，其余通道原样直通。本文把它插入 v13n 的层 8 之后做轻量空间增强，实测+36,864 参数、GFLOPs 几乎不变。前言卷积层篇的本篇回到"插入式"玩法（与注意力类模块同款：层 8 之后插入、层号全量顺移）。PConv 出自 CVPR 2023《Run, Don't Walk: Chasing Higher FLOPS for Faster Neural Networks》（FasterNet），它不是完整的网络也不做通道变换，而是一个保形的轻量空间算子——正好适合作为即插即用的特征增强插入到主干末端。本文所有数据均在 v13n 上实测。专栏目录：