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。重参数化系列的收官篇来自 Apple：MobileOneBlock（Ma et al., CVPR 2023《An Improved One millisecond Mobile Backbone》，官方源码 github.com/apple/ml-mobileone）——训练态 = k×k 主分支 + 1×1 scale 分支（+可选恒等 BN）多路并行，reparameterize()一键折叠为单卷积，官方以此为 iPhone 上首次突破 1ms 推理的 MobileOne 骨干。本文把官方原版块替换进 v13n 的层 3 下采样卷积，实测+31,872 参数（训练态）、GFLOPs 6.5→6.95、部署折叠前后输出逐位一致，3 轮冒烟训练正常收敛。前言卷积层篇的"替换式"玩法：本专栏的重参数化已覆盖 DBB（第 56 篇，四分支）、BepC3（第 65 篇，CSP 包装）、RepConv（第 76 篇，双分支内置），本篇补上 Apple 官方的原版实现——它的分支构成最"教科书"：k×k 卷积分支（num_conv_branches 个）+ 1×1 scale 分支 + 恒等 BN 分支（in==out 且 s==1 时启用），每个分支独立 BN、独立学习率缩放，训练完按 RepVGG 的代数方法逐支折叠相加。替换点选在