论文地址：
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
MobileNet的核心就是Depthwise separable convolution（深度可分离卷积），它将一般的卷积过程分为了depthwise convolution（逐深度卷积）和pointwise convolution（逐点卷积），在损失一点精度的情况下，计算量大幅下降，速度更快，模型更小。
先来看看一般的卷积过程，如下图：
输入 的图像，即
，使用
的卷积核，
，无
，则卷积后，输出
的图像。
为了得到下图 的输出：
那么就需要256个卷积核（一个卷积核输出一个channel），因此总的计算量就为 ,即一个卷积核要在输入图像上滑动
个位置，每个位置进行
次运算，一共有
个卷积核。
如果用 表示卷积核的尺寸，
表示输入feature map的尺寸，
表示输入channel数，
表示输出channel数，那么在
且有
的情况下，总的计算量为：
Depthwise separable convolution的第一步是depthwise convolution，如下图：
将原来的 的卷积核变为了3个
的卷积核，
卷积核常被用来减少channel数。每个卷积核只在输入图像的一个channel上操作，最后得到一个
的输出。
这一步的计算量为
第二步是pointwise convolution，如下图：
它使用一个 的卷积核对depthwise convolution的输出图像进行逐点卷积，最终就得到了
的输出。
如果使用256个 的卷积核就能得到
的输出图像了。
这一步的计算量为
因此这两步的计算量之和就为 ，只有原来的
倍的计算量。
于是 ，用上面的符号来表示的话，那么在 且有
的情况下，
depthwise convolution的计算量为：
pointwise convolution的计算量为：
因此Depthwise separable convolution就为一般卷积计算量的：
现在的问题是，为什么这么做了只损失了一点精度呢？（当然，对于原本就较小的模型来说，使用Depthwise separable convolution的话参数就更少了，性能就会大幅下降而不是只下降一点了）但卷积的一些东西本来就是黑盒，我们并不知道它的详细原理，只知道这么做是有效的。
参考
https://towardsdatascience.com/a-basic-introduction-to-separable-convolutions-b99ec3102728
