深度可分离卷积(Depthwise Separable Conv)的原理
请解释**深度可分离卷积(Depthwise Separable Convolution)**的计算流程，以及它相比标准卷积节省了多少计算量。
回答
专业代码师
深度可分离卷积分为两步：(1)Depthwise卷积——每个输入通道独立用一个卷积核卷积（M个通道→M个输出特征图）。(2)Pointwise卷积——用1×1卷积将Depthwise输出投影到期望的输出通道数。计算量对比：标准卷积：K×K×M×N×H×W。深度可分离：(K×K×M×H×W) + (M×N×H×W)。节省比例：≈ (1/N) + (1/K²)。以K=3、N=64为例，深度可分离计算量仅为标准卷积的1/64+1/9≈0.127（节省约87%）。应用：MobileNet系列（v1/v2/v3）全部使用深度可分离卷积，实现高效移动端推理。Xception也基于深度可分离卷积。