之前在網上看了很多的關於深度可分卷積和深度可分離卷積的名詞，但是關於這兩個的到底是不是同乙個卷積，都沒有看到解釋。
深度可分卷積（depthwise separable convolution）是將普通的標準卷積分為了兩個部分，所以叫做深度可分卷積。
1、對輸入的特徵圖進行卷積，如果說輸入的是三通道的，那就先用3個單層的卷積核來進行卷積，最後的輸出也是三個特徵圖。
2、對上一步輸出的三個特徵圖，在用113的卷積核來進行卷積，得到乙個一通道的特徵圖。
深度可分離卷積的操作和深度可分卷積的操作基本上是一模一樣的，所以說這兩個卷積是同一種卷積。
以上為個人理解，如有不對，請指出改正，不勝感激！
深度可分離卷積
下面這個文章介紹了深度可分離卷積是怎麼做的 本文的很多內容都是在這兩個文章的基礎上整理的。卷積基礎 描述乙個二維矩陣，使用row col。三維的，使用channel row col。四維則多了乙個引數 batch channel row col。batch channel row col的邏輯順序則...
深度可分離卷積
如果乙個卷積核代表乙個影象的屬性的話，上圖的方法就只能提取到乙個屬性。那麼如果想要多個屬性就需要多個卷積核 上圖中是最常見的卷積方法，使用多個卷積核來提取多個屬性。但是存在引數量過大的情況 先用三個卷積核對三個通道分別卷積，再對得到的結果進行1x1的卷積，這時候只要增加1 1卷積核的個數就能對應的增...
深度可分離卷積
3.實際應用 假設輸入層為乙個大小為64 64畫素 三通道彩色。經過乙個包含4個filter的卷積層，最終輸出4個feature map，且尺寸與輸入層相同。整個過程可以用下圖來概括 卷積層共有4個filters，每個filter有3個kernel，每個kernel的大小為3x3，因此卷積層的引數數...