深度可分離卷積(Depthwise Separable Convolution)和分組卷積(Group Convolution)的理解，相互關係及PyTorch實現

1. 分組卷積(Group Convolution) 分組卷積最先出如今AlexNet中，以下圖所示。在CNN發展初期，GPU資源不足以知足訓練任務的要求，所以，Hinton採用了多GPU訓練的策略，每一個GPU完成一部分卷積，最後把多個GPU的卷積結果進行融合。 接下來回顧一下常規卷積是怎樣進行的，假設輸入的特徵圖(Tensor)的shape爲 C i n × H × W C_{in} \tim

>>阅读原文<<