来一发普通的二维卷积
1.输入feature map的格式为：m * m * h1

2.卷积核为 k * k

3.输出feature map的格式为： n * n * h2

参数量：k * k * h1 * h2

计算量： k * k * h1 * n * n * h2

分组卷积
设分组大小为g，则：

参数量： (k * k * h1/g * h2 /g) * g

计算量：（k * k * h1/g *n n * h2/g）g

squeezenet
单元名字为fire_module， 先用一个11 但卷积核个数少于输入的feature map 的进行squeeze，然后进入两个个并行的11 ，3*3 的卷积，结果再concat，参数和运算量正常计算

mobilenet
用到了depth-wise 卷积：

参数量：kkh11 + 11h1h2
运算量：kkh1nn + 11h2nn
shufflenet：
相当于把分组卷积里的每组卷积之间进行channel的shuffle，参数与计算量类似分组卷积