Group Convolution分组卷积，以及Depthwise Convolution和Global Depthwise Convolution

博客：blog.shinelee.me | 博客园 | CSDN

写在前面

Group Convolution分组卷积，最早见于AlexNet——2012年Imagenet的冠军方法，Group Convolution被用来切分网络，使其在2个GPU上并行运行，AlexNet网络结构如下：

Convolution VS Group Convolution

在介绍Group Convolution前，先回顾下常规卷积是怎么做的，具体可以参见博文《卷积神经网络之卷积计算、作用与思想》。如果输入feature map尺寸为$C\ast H\ast W$，卷积核有$N$个，输出feature map与卷积核的数量相同也是$N$，每个卷积核的尺寸为$C\ast K\ast K$，$N$个卷积核的总参数量为$N\ast C\ast K\ast K$，输入map与输出map的连接方式如下图左所示，图片来自链接：

Group Convolution顾名思义，则是对输入feature map进行分组，然后每组分别卷积。假设输入feature map的尺寸仍为$C\ast$