分组卷积滤波器和深度可分离卷积

分组卷积和深度可分离卷积都是卷积神经网络中用于减少参数量的技术。

分组卷积是将输入通道分成多个组，然后每个组独立进行卷积操作，最后将各个组的输出进行拼接。这样可以减少模型中参数的数量。分组卷积在一些计算资源有限的场景下非常有用，比如移动设备上。

深度可分离卷积是将标准的卷积操作分成两个步骤：深度卷积和逐点卷积。深度卷积是在每个通道上分别进行卷积操作，而逐点卷积是在整个特征图上进行卷积操作。通过这种方式，可以大大减少参数数量，从而减少计算量和存储需求。