深度学习之Group Convolution

Group Convolution

若卷积神将网络的上一层有N个卷积核,则对应的通道数也为N。设群数目为M,在进行卷积操作的时候,将通道分成M份,每个group对应N/M个通道,然后每个group卷积完成后输出叠在一起,作为当前层的输出通道。

Group convolution 卷积只能在同一组进行吗？

group conv本身应该就大大减少了参数，比如当input channel为256，output channel也为256，kernel size为3x3，不做 group conv参数为256x3x3x256*，*若group为8，每个group的input channel和output channel均为32，参数为8x32x3x3x32，是原来的八分之一。 分组卷积最后每一组输出的feature maps应该是以concatenate的方式组合，而不是element-wise add，所以每组输出的channel是 input channels / groups，这样参数量就大大减少了。