深度可分离卷积
主要是介绍Inception和Xception，后续补看论文
- 1、首先是分组卷积的概念，分组卷积是把输入通道C_in和输出通道C_out都平均分成了n份（前提是C_in和C_out都能被n整除），然后把平均分后的输出通道concat起来，又变成了原来一样的通道数，可用下图表示：
-
这样做好的好处在于参数量是原来的1/N，算一下：原来参数量C_in*C_out*K1*K2，现在是(C_in/n) *K1*K2*(C_out/n)*n
- 2、深度可分离卷积，分组是C_in个，然后把C_in个输出通道concat后，再接C_out个1*1的卷积（或者放在分组之前），参数量是C_in*K*K+C_out*1*1