深度可分离卷积（0）
深度可分离卷积结构，把三个块的图替换为6个块的图，就完成了深度可分离的卷积神经网络。
那么如何减少参数量，再次说一下视野域，不同的视野域提取的图像特征尺度不同， 举个例子，现在有1*5*5的和2*3*3的卷积计算，图像为5*5，那么对于前者来说，只需要一次计算，计算后得到的像素点就包含全部信息，而对于后者来说，要经过两次计算，所以1*5*5和2*3*3的视野域是一样的（假设没有padding）。
视野域（感受野）计算公式：
那么为什么要使用奇数尺寸的卷积核呢？
因为中心对称。
后续文章以以3*3深度可分离卷积为例讲解深度可分离卷积：
