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。VanillaNet（NeurIPS2023）反其道而行：去掉注意力、去掉花式结构，只用最朴素的卷积+激活，靠「训练时深、推理时浅」的重参数化换性能。本文给出检测友好的极简 VanillaBlock，接入 v13n 层 6。前言改进专栏写到现在，全是「往网络里加东西」；这篇是难得的「做减法」。VanillaNet 的哲学：结构越简单，推理延迟越低、部署越友好；缺的容量用训练期深度、推理期合并补回来。和 56 篇 DBB、76 篇 RepConv 的重参数化一脉相承，但更激进。专栏目录：YOLOv13改进目录一览专栏地址：YOLOv13改进专栏——持续更新各方向即插即用改进一、替换点分析 YOLOv13改进策略【卷积层篇】| NeurIPS2023 VanillaNet 极简卷积块，深训练浅推理
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。VanillaNet（NeurIPS2023）反其道而行：去掉注意力、去掉花式结构，只用最朴素的卷积+激活，靠「训练时深、推理时浅」的重参数化换性能。本文给出检测友好的极简 VanillaBlock，接入 v13n 层 6。前言改进专栏写到现在，全是「往网络里加东西」；这篇是难得的「做减法」。VanillaNet 的哲学：结构越简单，推理延迟越低、部署越友好；缺的容量用训练期深度、推理期合并补回来。和 56 篇 DBB、76 篇 RepConv 的重参数化一脉相承，但更激进。专栏目录：YOLOv13改进目录一览专栏地址：YOLOv13改进专栏——持续更新各方向即插即用改进一、替换点分析