在C2F模块中加入RepGhost bottleneck模块相关代码

下面是一个示例代码，展示了如何在C2F模块中加入RepGhost bottleneck模块：

import torch
import torch.nn as nn


class RepGhostBottleneck(nn.Module):
    def __init__(self, in_channels, out_channels, stride=1):
        super(RepGhostBottleneck, self).__init__()
        self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=1, padding=0, bias=False)
        self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=stride, padding=1, bias=False)
        self.relu = nn.ReLU(inplace=True)
        
    def forward(self, x):
        out = self.conv1(x)
        out = self.relu(out)
        out = self.conv2(out)
        out = self.relu(out)
        return out


class C2FModule(nn.Module):
    def __init__(self, in_channels, out_channels):
        super(C2FModule, self).__init__()
        self.repghost = RepGhostBottleneck(in_channels, out_channels)
        
    def forward(self, x):
        out = self.repghost(x)
        return out

在这个示例中，我们定义了一个名为RepGhostBottleneck的模块，它由两个卷积层和ReLU激活函数组成。然后，我们在C2FModule中使用RepGhostBottleneck模块来构建C2F模块。你可以根据自己的需求进行修改和扩展，以适应你的具体任务。记得根据你的项目需求调整模型的输入和输出通道数。