对深度可分离卷积、分组卷积、空洞卷积、转置卷积的理解

参考：
https://blog.csdn.net/chaolei3/article/details/79374563
https://blog.csdn.net/jiachen0212/article/details/78548667
https://blog.csdn.net/u014722627/article/details/60574260
https://blog.csdn.net/LoseInVain/article/details/81098502

深度可分离卷积
在《Python深度学习》（Keras之父执笔）这本书里看到：

注意，大部分（或全部）普通卷积很可能不久后会被深度可分离卷积(depthwise separable convolution)所替代, 后者与前者等效，但速度更快，表示效率更高。

1. 简介
   在可分离卷积中，它将对区域和通道的计算分离开，而普通卷积是同时考虑区域和通道的。
2. 通过例子对比可分离卷积和普通卷积的区别
   假设一个3×3大小的filter，其输入通道为16，输出通道为32
   普通卷积的参数： （3×3×16）×32=4068
   可分离卷积：
   先考虑区域，即每个通道对应一个3×3×1大小的filter, 然后考虑通道对应32个1×1×16大小的filter
   参数计算： （3×3×1）×16 + （1×1×