SnifferCaptain

use onnxsim i suppose 

没问题的，卷积原本是滑动窗口，但是现在它不滑动了，每个核都是由输入x在当前那个点对应的大dw卷积算出来的。也就是说，大核在滑动窗口，每滑动一格就在对应坐标生成一个对应的卷积核。 b是batch就不说了，h、w两个维度分别表示大核在xy位置卷积的结果w，即小核的权重。

> 我也发现 作者代码的这个问题了， 我是觉得作者的代码写错了， 举个例子比如 C是256，G是32，那么每组就是32，每组对应的kernel是 32_3_3，作者论文的思想是通过LKP为SKP生成input的不同位置的卷积核权重，H_W个位置，一共有 G_K_K的权重，结合图3(a)，我的理解是， 在SKP过程中，得到像素坐标[c,h,w]，可以知道其在哪个组里，然后每组的的kernel 32_3_3 其实就是 32个3_3，这32个3_3 其实是共享的，也就是说，是 一个3_3， 这是我的理解， 我本来想用这篇论文的算法改进我的骨干网络，详细看了这篇论文和代码，发现这个明显的矛盾。希望可以得到作者的官方回答 评价是得看你的数据集规模。这个lsconv其实给我的感觉是类似原地的注意力机制，它会更倾向于学习大视野-小视野之间的关系，而不是像传统cnn那样直接特征匹配。反正在我这里的10w图像（120w目标）的目标检测数据集上他打不过纯cnn，在另一个1w大小的简单数据集上map也是打不过我自己写的纯cnn网络，map50-95大概是72掉到69这个水平，框架是yolo8。你斟酌下要不要缝。 另外它使用的这个库我记得好像不是很方便导出，可以拿einsum大概写下