我想卷积一个具有相同单通道权重的多通道张量。我可以沿着通道维度重复权重，但我认为可能还有其他方法。
我认为组参数可能会完成这项工作。但是我不明白文档。这就是为什么我想问组参数如何影响卷积过程？
只是一些小提示，因为我从未使用过它。
组参数乘以您通常拥有的内核数。因此，如果您设置 group=2，则预计内核数将增加 2 倍。
默认情况下，PyTorch 状态组中 conv2d 的定义为 1。
如果增加组，则会得到深度卷积，其中每个输入通道本身都获得特定的内核。
约束是输入和输出通道都应可除以组号。
我认为在 Tensorfolow 中，您可以阅读 SeparableConv2D 的文档，因为这在 group>1 时是等效的。