关于depth_wise convolution这个OP

一直在解释类似问题：
1. 硬件OP和软件OP并不是一一对应的
2. 各家框架OP都不是一一对应的，tf和caffe和onnx，写到模型文件里的op并不是一一对应的，甚至有很大区别
3. 以上两点差异，造成转换rknn成功率并不相同。个人使用感觉rknn对caffe和tf的支持比较友好，其他的模型格式只能说是尽可能最大程度去兼容。
3. DW卷积不建议在NPU上用，dw的出现是为了解决conv在嵌入式平台运行慢的问题，牺牲精度换取速度，但我们NPU卷积速度很快，dw conv反而慢，不需要去牺牲这精度搞dw。