爆改YOLOv8|利用yolov9的ADown改进卷积Conv-轻量化

1，本文介绍

本文将利用YOLOv9的ADown模块改进卷积。

关于ADown的详细介绍可以看论文：https://arxiv.org/abs/2402.13616

本文将讲解如何将ADown融合进yolov8

话不多说，上代码！

2， 将ADown融合进yolov8

2.1 步骤一

找到如下的目录'ultralytics/nn/modules'，然后在这个目录下创建一个ADown.py文件，文件名字可以根据你自己的习惯起，然后将ADown的核心代码复制进去。

import torch
import torch.nn as nn
 
 
__all__ = ['ADown']
 
def autopad(k, p=None, d=1):  # kernel, padding, dilation
    # Pad to 'same' shape outputs
    if d > 1:
        k = d * (k - 1) + 1 if isinstance(k, int) else [d * (x - 1) + 1 for x in k]  # actual kernel-size
    if p is None:
        p = k // 2 if isinstance(k, int) else [x // 2 for x in k]  # auto-pad
    return p
 
 
class Conv(nn.Module):
    # Standard convolution with args(ch_in, ch_out, kernel, stride, padding, groups, dilation, activation)
    default_act = nn.SiLU()  # default activation
 
    def __init__(self, c1, c2, k=1, s=1, p=None, g=1, d=1, act=T