RepVGG.md

RepVGG 系列

---

目录

• 1. 概述
• 2. 精度、FLOPS 和参数量

1. 概述

RepVGG(Making VGG-style ConvNets Great Again)系列模型是由清华大学(丁贵广团队)、旷视科技(孙剑等人)、港科大和阿伯里斯特威斯大学在 2021 年提出的一个简单但强大的卷积神经网络架构，该架构具有类似于 VGG 的推理时间主体，该主体仅由 3x3 卷积和 ReLU 的堆栈组成，而训练时间模型具有多分支拓扑。训练时间和推理时间架构的这种解耦是通过结构重新参数化(re-parameterization)技术实现的，因此该模型称为 RepVGG。论文地址。

2. 精度、FLOPS 和参数量

Models	Top1	Top5	Reference top1	FLOPS (G)
RepVGG_A0	0.7131	0.9016	0.7241
RepVGG_A1	0.7380	0.9146	0.7446
RepVGG_A2	0.7571	0.9264	0.7648
RepVGG_B0	0.7450	0.9213	0.7514
RepVGG_B1	0.7773	0.9385	0.7837
RepVGG_B2	0.7813	0.9410	0.7878
RepVGG_B1g2	0.7732	0.9359	0.7778
RepVGG_B1g4	0.7675	0.9335	0.7758
RepVGG_B2g4	0.7881	0.9448	0.7938
RepVGG_B3g4	0.7965	0.9485	0.8021

关于 Params、FLOPs、Inference speed 等信息，敬请期待。