组卷积（group Conv）与深度可分离卷积（depthwise）简介

详细解释：https://zhuanlan.zhihu.com/p/92134485
个人理解：一共分为两步
1.对每个输入通道进行一个卷积，有几个通道就几个1kk的卷积平面，通道之间没有任何沟通。
2.类似全连接的手段将每个通道卷积后的特征图们关联起来。

计算量：Cin=3,Cou=2,输入特征图33大小。k=3
原来：3332=54
深度可分离：333+1132=33
333(第一步)+1132（第二步）

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)
把channel分为多组，一个卷积核不需要对所有通道的特征图进行卷积，仅仅对本组内的通道特征进行卷积。
当每组中仅有一个通道特征时，即为深度卷积。