三大卷积方式的对比

1. 标准卷积：

由过滤器执行，过滤器由输入特征图上各通道对应的卷积核组成。在使用过滤器对特征图进行卷积的时候，各通道对应的卷积核分别对各自通道的特征图进行一次卷积，然后将各通道上的特征图相加， 以融合各通道的信息。一个过滤器对输入的多通道特征图卷积后得到一张输出特征图。输出特征图的通道数等于对输入特征图进行卷积的过滤器个数。

2. 深度可分离卷积：

由两种卷积方式构成：depthwith卷积和点卷积。

dw卷积：可看作是只有一个过滤器进行卷积，并且在得到各通道上的特征图后并不相加；（此步主要是为了减少计算量）
点卷积：即1x1的标准卷积，过滤器个数为输出特征图的通道数。

3. 分组卷积：将原始输入特征图按通道数分组以得到多张单通道特征图。然后对每张单通道特征图进行过滤器个数为（输出特征图通道数/分组数）的标准卷积。对每个通道执行完操作后，将各通道得到的特征图
拼接在一起。

 联系：由此可见，dw卷积其实就是分组数为通道数，输出特征图通道数为输入特征图通道数的分组卷积
                              nn.Conv2d(in_channels,inchannels,groups=in_channels);

参考博客：1. (166条消息) pytorch的conv2d函数groups分组卷积使用及理解_阿喵酱紫糖的博客-CSDN博客_pytorch 分组卷积

2.  (166条消息) 卷积原理：几种常用的卷积（标准卷积、深度卷积、组卷积、扩展卷积、反卷积）_chenyuping666的博客-CSDN博客_卷积

3. (166条消息) pytorch——MobileNet详解及PyTorch实现_chris_1996的博客-CSDN博客_mobilenet pytorch