深度学习卷积基础知识

一、 

这样就没错了，是4组 3*3 * 3 的核在计算 

 二、

 

 https://www.jianshu.com/p/16a4e9831a59

 

class DWConv(nn.Module):
    def __init__(self, in_plane, out_plane):
        super(DWConv, self).__init__()
        self.depth_conv = nn.Conv2d(in_channels=in_plane,
                                    out_channels=in_plane,
                                    kernel_size=3,
                                    stride=1,
                                    padding=1,
                                    groups=in_plane)
        self.point_conv = nn.Conv2d(in_channels=in_plane,
                                    out_channels=out_plane,
                                    kernel_size=1,
                                    stride=1,
                                    padding=0,
                                    groups=1)
    def forward(self, x):
        x = self.depth_conv(x)
        x = self.point_conv(x)
        return x

这个深度卷积就groups不一样，我估计就是控制如何卷积的
groups等于输入通道就是让卷积核每层分别去卷积，最终结果不相加。

 

 一文看尽神经网络中不同种类的卷积层

深度可分离卷积 深度卷积 逐点卷积_不佛的博客-CSDN博客_逐点卷积