tensorflow实现2D小波变化dwt和小波逆变换idwt，梯度可以反向传播

使用tensorflow实现小波变化和小波逆变换，并且梯度可以反向传播。因此可以方便的将小波变化嵌入到网络结构中去。
本代码参考pytorch实现的小波变化移植至tensorflow。pytorch实现链接：https://github.com/fbcotter/pytorch_wavelets

实现中存在的一个的问题是tensorflow不能实现分组卷积，因此这里只能采用循环一个2D卷积来实现，所以会增加时间复杂度。关于分组卷积，在tensorflow的issue中有讨论，链接：https://github.com/tensorflow/tensorflow/issues/3332
但是目前本人在tensorflow上还没有找到很好的解决方法，即使后来实现了用3D卷积来实现，但是过多的tf.reshape、tf.slice和tf.concat操作，所以依然没有解决问题。希望有更好的解决分组卷积的小伙伴们教教我。

下面的代码，包括二维的小标变换和小波逆变换以及测试代码。注意的是，这里的函数间传递的都是4-Dtensor。这里必须安装pywt才能使用

• 可参见后面的第二篇博客查看优化后的版本

# -*- coding: utf-8 -*-
# @Author   : Chen Meiya
# @time     : 2018/12/9 21:46
# @File     : tf_dwt_release.py
# @Software : PyCharm

import numpy as np
import tensorflow as tf
from PIL import Image
import pywt
import time
import matplotlib.pyplot as plt


# C is channel # just suit for J=1
def tf_dwt(yl,  in_