膨胀卷积与普通卷积的计算量对比

膨胀卷积（Dilated Convolution），也称为空洞卷积，相对于普通的卷积（Standard Convolution）在计算量和参数效率上有以下特点：

1. 计算量：膨胀卷积通过增大卷积核之间的空隙，减少了相邻滤波器之间的重叠。这样，每个输出位置只需计算输入的一小部分，因此计算量通常比普通卷积要少。这对于处理高维输入或保持较大的感受野（receptive field）而减少计算密集度非常有用。

2. 参数效率：膨胀卷积的参数数量较少，因为它只关注输入的局部区域，而不是全宽度或全高度。这有助于减少模型中的参数，从而可能提高训练速度和模型大小。

3. 对于长序列或大尺寸图像，膨胀卷积能够保持输出尺寸不变的情况下增加感受野，这对于捕捉上下文信息很有帮助，而不需要显著增加计算资源。