论文里面的图5，GSConvE辅助分支是linearly fuse，但是看代码里面是 卷积 + 深度卷积

[rickmoddy]

GSConvE辅助分支是linearly fuse这段代码在哪呀？难道是 卷积 + 深度卷积可以理解为linearly fuse？

[alanli1997]

GSConvE辅助分支是linearly fuse这段代码在哪呀？难道是 卷积 + 深度卷积可以理解为linearly fuse？

你好，卷积操作本身是乘积与加和的组合操作，所以在本质上是严格线性的，这与“卷积 + 深度卷积可以理解为linearly fuse?” 没有任何关系。我重新检查了Fig. 5，没有发现错误的表示。请仔细阅读Fig. 5的计算流程和计算符号。

linearly fuse: 
    self.cv2 = nn.Sequential(
                nn.Conv2d(c_, c_, 3, 1, 1, bias=False),
                nn.Conv2d(c_, c_, 3, 1, 1, groups=c_, bias=False),

[rickmoddy]

谢谢，我不太理解为什么图里面这块用的linearly fuse，但是其他地方用的卷积块，比如GSConvEⅠ的主干是conv，GSConvEⅡ的辅助分支是DWConv，但其实这些代码里面都是conv呀？是因为这linearly fuse是一个conv组合吗，和普通的单层conv做区分？

[alanli1997]

谢谢，我不太理解为什么图里面这块用的linearly fuse，但是其他地方用的卷积块，比如GSConvEⅠ的主干是conv，GSConvEⅡ的辅助分支是DWConv，但其实这些代码里面都是conv呀？是因为这linearly fuse是一个conv组合吗，和普通的单层conv做区分？

你好，符号“Conv/DWConv”表示包含了非线性激活函数的卷积层，是非线性而不是线性操作。Fig. 5中的“linearly fuse”就是字面意思的线性融合，这与符号“Conv/DWConv”表示的算子是不一样的。相关代码里有显著的区别。

[rickmoddy]

谢谢，就是说linearly fuse是只有卷积操作，不包含归一化，激活层，另外DWConv的linearly fuse包含两个卷积操作，就画成了像全连接层的样子？

[alanli1997]

谢谢，就是说linearly fuse是只有卷积操作，不包含归一化，激活层，另外DWConv的linearly fuse包含两个卷积操作，就画成了像全连接层的样子？

你好，GSConvE算子里没有全连接操作，只有线性融合。Fig. 5中只有输入特征到隐藏层特征(密集连接)到输出特征(稀疏连接)的表示，而没有全连接层的一般化表示(元素级的one2one密集连接)。请注意，全连接的元素级是逐像素的，而不是逐特征(或者说逐通道)的，不应该简单地将图表现形式直接理解为具体的计算而忽略明确的解释符号。

[rickmoddy]

明白了，太感谢你了