普通卷積
輸入卷積：Win * Hin * Cin
卷積核：k * k
輸出卷積：Wout * Hout * Cout
參數量：（即卷積核的參數）
k * k * Cin * Cout
或者：(k * k * Cin + 1) * Cout （包括偏置bias）
計算量：
k * k * Cin * Wout * Hout * Cout
深度可分離卷積（Depthwise Separable Convolution）
深度可分離卷積可以分為：depthwise conv + pointwise conv
depthwise 卷積（輸入channel等於輸出channel）
輸入卷積：Win * Hin * Cin
卷積核：k * k
輸出卷積：Wout * Hout * Cin
參數量：
k * k * Cin
計算量：
k * k * Cin * Wout * Hout
pointwise conv即普通的1x1卷積，參數來按照普通1x1卷積來算
組卷積（Group Convolution）
輸入卷積：Win * Hin * Cin
卷積核：k * k
輸出卷積：Wout * Hout * Cout
分成g組
參數量：（即卷積核的參數）
k * k * (Cin / g) * (Cout / g) * g = k * k * Cin * Cout * (1 / g)
自然，分組卷積的參數量是標准卷積的 1/g
計算量：
k * k * (Cin/g) * (Wout/g) * Hout * Cout * g= k * k * Cin * Wout * Hout * Cout * (1/g)
參考：
卷積核的參數量和計算量 https://www.cnblogs.com/ywheunji/p/11887906.html
理解分組卷積和深度可分離卷積如何降低參數量 https://zhuanlan.zhihu.com/p/65377955