RepVGG模型的结构和特点？

RepVGG模型的基本架构由20多层卷积组成，分成5个stage，每个stage的第一层是stride=2的降采样，每个卷积层用ReLU作为激活函数。

RepVGG的主要特点：

卷积在GPU上的计算密度（理论运算量除以所用时间）可达1x1和5x5卷积的四倍.

直筒型单路结构的计算效率比多路结构高。

直筒型单路结构比起多路结构内存占用少。

单路架构灵活性更好，容易进一步进行模型压缩等操作。

RepVGG中只含有一种算子，方便芯片厂商设计专用芯片来提高端侧AI效率。

在训练阶段，训练一个多分支模型，并将多分支模型等价转换为单路模型。在部署阶段，部署单路模型即可。这样就可以同时利用多分支模型训练时的优势（性能高）和单路模型推理时的好处（速度快、省内存）。