YOLOv13改进策略【卷积层篇】| GhostConv 幽灵卷积，一行 yaml 砍掉主干最贵的一层

本文基于YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork）实测整理，Windows/CPU 全程可跑。前面的卷积层文章都要"贴模块代码 + 三步注册"，本文是全专栏第一篇零代码改进：GhostConv（Han et al., CVPR 2020 幽灵瓶颈的卷积形态）ultralytics 已内置，我们只需要在 yaml 里把 v13n 主干最贵的第 7 层（stride-2 下采样卷积，5.9 万参数）换掉，实测总参数 −53,984、GFLOPs 持平 6.5，3 轮冒烟训练正常收敛。前言卷积层篇的"内置模块"玩法：GhostConv 出自论文《GhostNet: More Features from Cheap Operations》（CVPR 2020，华为诺亚），核心洞察是——卷积输出的特征图里有大量"幽灵"冗余，用更便宜的逐点卷积 + 逐通道"廉价变换"就能生成。ultralytics 把它注册在标准卷积分支里（ultralytics/nn/modules/conv.py的GhostConv，tasks.py的 conv 集合），因此不写一行 Python、不改一处注册，yaml 直接可用。替换点选在 v13n backbone 的层 7