來一發普通的二維卷積
1.輸入feature map的格式為：m * m * h1
2.卷積核為 k * k
3.輸出feature map的格式為： n * n * h2
參數量：k * k * h1 * h2
計算量： k * k * h1 * n * n * h2
分組卷積
設分組大小為g，則：
參數量： (k * k * h1/g * h2 /g) * g
計算量：（k * k * h1/g *n n * h2/g）g
squeezenet
單元名字為fire_module， 先用一個11 但卷積核個數少於輸入的feature map 的進行squeeze，然后進入兩個個並行的11 ，3*3 的卷積，結果再concat，參數和運算量正常計算
mobilenet
用到了depth-wise 卷積：
參數量：kkh11 + 11h1h2
運算量：kkh1nn + 11h2nn
shufflenet：
相當於把分組卷積里的每組卷積之間進行channel的shuffle，參數與計算量類似分組卷積