组卷积小结

首先讲解卷积

从上图可以看出，一般的卷积会对输入数据的整体一起做卷积操作，即输入数据：H1xW1xC1,而卷积核大小h1xw1，通道为c1，一共有c2个，然后卷积得到的输出数据就是H2xW2xC2,这里我们假设输入和输出的分辨率是不变的，这对存储器的容量提出了明显的要求。但是分组卷积就没有那么多的参数 。对于上面所说的同一个参数，分组卷积如下图所示，

可以看出，图中将输入数据分成了2组（组数为g），需要注意的是这种分组只是在深度上进行划分，即某几个通道编为一组，这个具体的数量由C1/g决定，因为输出数据的改变，卷积核的数量也要跟着改变。即每组卷积核的深度变为C1/g，而每组卷积核的大小是不需要跟着改变的，此时每组卷积核的个数变成C2/g，而不是原来的C2了。然后用每组的卷积核同他们对应组内的输入数据卷积，得到了输出数据后，再用concatenate的方式组合起来，最终的输出数据的通道还是C2。也就是说分组数g确定后，我们将并行的运算g个相同的卷积过程，每个过程里，输入数据为H1xW1xC1/g，卷积核大小h1xw1xC1/g，一共有C2/g个，输出数据H2xW2xC2/g。

参考：https://blog.youkuaiyun.com/shentu7/article/details/105574369