文章讨论了一种新的机器学习模型RepCNN，该模型通过重构计算架构提高了训练效果。RepCNN在推理时使用更少的参数，内存占用低，计算成本小，准确率比传统单支路卷积模型高43%。此外，RepCNN在性能上与复杂架构相当，但内存使用减少一半，运行速度快10倍。