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

参考：

https://www.cnblogs.com/shine-lee/p/10243114.html

https://blog.csdn.net/blogshinelee

其实我主要是为了知道分组卷积为什么会减少参数量

后来我知道了，就是分组的卷积核的参数是一样的。

分组卷积的作用：

1. 减少参数量，分成GG组，则该层的参数量减少为原来的1G1G
2. Group Convolution可以看成是structured sparse，每个卷积核的尺寸由C∗K∗KC∗K∗K变为CG∗K∗KCG∗K∗K，可以将其余(C−CG)∗K∗K(C−CG)∗K∗K的参数视为0，有时甚至可以在减少参数量的同时获得更好的效果（相当于正则）。
3. 当分组数量等于输入map数量，输出map数量也等于输入map数量，即G=N=CG=N=C、NN个卷积核每个尺寸为1∗K∗K1∗K∗K时，Group Convolution就成了Depthwise Convolution，参见MobileNet和Xception等，参数量进一步缩减，如下图所示