pytorch中torch.nn.Conv2d中的groups参数
先来看官方的说明：
- groups = 1 时就是标准的卷积运算
- groups=2 时就是分组为2的组卷积
分组后分两半进行卷积运算，6个卷积核分两组，最后将结果cat在一起
- groups = input_channels的情况是这样的
当输入通道数等于输出通道数时，就是深度可分离卷积的depthwise conv，可查看mobilenet的论文理解该卷积
令我迷惑的时输出通道数不等于输入通道数时（注意输入输出通道数选取均需要能被groups整除，这意味这输出通道数一定是输入通道数的倍数了）
为此做了一个小实验：
根据结果可以看出来，实际上4个filter分了output_channels/input_channels组，例子中是两组
输入特征图的每一个channel对应一组，进行通道对通道的卷积运算