分組是日常生活中一種常見現象，如基於年齡分爲幼年、兒童、青少年、青年、中年和老年等。在機器學習中，聚類算法的本質思想也是分組，即把未知數據基於一些特性分成一個個組，便於人們理解。在深度學習用到組思想的一個地方就是組卷積。
組卷積最早出現是在AleNet，當初主要採用並行訓練方式來訓練。後來研究學者基於卷積的基本計算方式廣義線性方程（或多元多項式方程）發現，當卷積網絡中卷積核個數增多時，會出現卷積冗餘現象，這種現象在線性迴歸方程中也存在，爲了緩解這個問題，研究學者嘗試把同一卷積層中的卷積核個數分成一個個不同的小組 （分而治之思想），即現在大部分學術論文稱作的組卷積，每個小組中具有不同和相同的卷積核數量。基於我個人的理解，組卷積具有以下特點：
1、降低模型的計算量（壓縮模型），可以參考Interleaved Group Convolutions for Deep Neural Networks系列論文，MobileNet系列論文；
2、提高模型精度，可以參考Aggregated Residual Transformations for Deep Neural Networks（RexNet），Selective Kernel Networks，Xception
3、模型綜合性能權衡，組卷積計算方式相當於多分支，這個方向最近也有不少論文，HetConv: Heterogeneous Kernel-Based Convolutions for Deep CNNs，High-Resolution Representations for Labeling Pixels and Regions，Accurate Nuclear Segmentation with Center Vector Encoding