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。普通卷积的权重训练完就固定了；ODConv（Omni-Dimensional Dynamic Convolution，Li et al., ICLR 2022）给卷积核装上"四维注意力"——空间核位置、输入通道、输出滤波器、卷积核个数逐维加权，让同一个卷积核随输入内容动态变形。本文把它替换进 v13n 的第 1 层下采样卷积，实测+17,453 参数，并解决一个 ODConv 上 ultralytics 必踩的 batch=1 构建新坑。前言这篇继续"替换式"改进：把普通Conv换成动态卷积。ODConv 出自 ICLR 2022 spotlight《Omni-Dimensional Dynamic Convolution》（官方源码 github.com/OSVAI/ODConv），是 CondConv/DyConv 这条"动态权重"路线的收官之作：以前的动态卷积只学"多个核之间怎么加权"（核维注意力），ODConv 把注意力铺满全部四个维度。检测任务里最经典的用法就是替换 backbone 靠前的下采样卷积。专栏目录：