098、C3k2_Ghost：用 GhostConv 替代 C3k2 内标准卷积的轻量化改造代码从一次线上部署的“显存爆炸”说起去年年底帮一个做边缘端检测的朋友调模型，他用的YOLOv8n在Jetson Orin上跑得挺欢，但换成YOLOv11n之后，显存直接飙到4.2GB——明明参数量没涨多少，推理速度反而慢了30%。我让他把模型结构打印出来一看，好家伙，C3k2模块里的标准卷积堆得跟砖头似的，每个3x3卷积都在吃显存带宽。当时我脑子里蹦出来的第一个念头就是：GhostConv该上场了。这个2020年华为诺亚方舟提出的轻量化卷积，本质上是把普通卷积拆成“少量特征图生成 + 廉价线性变换”，在YOLOv5时代就被验证过能压掉30%-40%的FLOPs。但YOLOv11的C3k2结构比C3复杂得多，直接替换会出问题——我踩过这个坑，后面细说。GhostConv 到底在干什么？用代码说话先别急着改C3k2，得把GhostConv的底层逻辑理清楚。PyTorch实现其实就三行核心逻辑：classGhostConv(
098、C3k2_Ghost：用 GhostConv 替代 C3k2 内标准卷积的轻量化改造代码从一次线上部署的“显存爆炸”说起去年年底帮一个做边缘端检测的朋友调模型，他用的YOLOv8n在Jetson Orin上跑得挺欢，但换成YOLOv11n之后，显存直接飙到4.2GB——明明参数量没涨多少，推理速度反而慢了30%。我让他把模型结构打印出来一看，好家伙，C3k2模块里的标准卷积堆得跟砖头似的，每个3x3卷积都在吃显存带宽。当时我脑子里蹦出来的第一个念头就是：GhostConv该上场了。这个2020年华为诺亚方舟提出的轻量化卷积，本质上是把普通卷积拆成“少量特征图生成 + 廉价线性变换”，在YOLOv5时代就被验证过能压掉30%-40%的FLOPs。但YOLOv11的C3k2结构比C3复杂得多，直接替换会出问题——我踩过这个坑，后面细说。GhostConv 到底在干什么？用代码说话先别急着改C3k2，得把GhostConv的底层逻辑理清楚。PyTorch实现其实就三行核心逻辑：classGhostConv(
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
