概述
这是一篇对稀疏卷积讲述非常全面的文章，理解起来毫不费事。这里要和SPConv相区别，这是两个完全不同的东西。SPConv是为了解决普通3 * 3卷积算子参数冗余而设计的，一种“即插即用”计算单元，可以随时随地替换普通3 * 3卷积算子，可以用来提高模型推理速度吧。跟剪枝算法差不多。 下面要讲述的是稀疏卷积Sparse Convolution Net，转载自https://zhuanlan.zhihu.com/p/383299678，写的十分详细。通俗易懂，方便读者理解。
简介
稀疏卷积常用于3D项目（如3D点云分割）中，由于点云数据是稀疏的，无法使用标准的卷积操作。同理，2D任务中，如果只处理其中一部分像素，也需要使用稀疏卷积，这样有助于模型加速。
原理解析
本质上就是通过建立哈希表，保存特定位置的计算结果。下文将通过举例说明稀疏卷积的原理。
输入数据
如下图所示，有一个3通道的 5x5 图像。除了两个点 P1 和 P2 之外，所有像素都是(0, 0, 0)。 根据 [1]，P1 和 P2，此类非零元素（即P1、P2）也称为activate input sites。输入张量的形状按NCHW 顺序为[1x3x5x5]。在稀疏形式下，[P1,P2]数据列表为 [[0.1, 0.1, 0.1], [0.2, 0.2, 0.2]] ，索引列表为 [[1,2], [2, 3]] 。