1*1卷積核的作用

1.改變模型維度

• 二維的輸入數據（如\(6*6\)）和\(1*1\)的卷積核 卷積，相當於原輸入數據直接做乘法
• 三維的輸入數據（如\(6*6*32\)）和\(1*1*32\)的卷積核卷積，相當於卷積核的32個數對原輸入數據的32個數加權求和，結果填到最右側對應方框中
• 升維還是降維取決於卷積核的個數

2.減少模型參數，增加模型深度

• 圖(a)中，參數個數：(1×1×192×64) + (3×3×192×128) + (5×5×192×32) = 153600 ？

  ​ 最終輸出的feature map個數：64+128+32+192 = 416

• 圖(b)中，參數個數（1×1×192×64）+（1×1×192×96+3×3×96×128）+（1×1×192×16+5×5×16×32）+（1x1x32）=15904

  ​ 最終輸出的feature map個數： 64+128+32+32=256

• 匯合層（pooling layer）進行取最大值/均值操作，並不引入參數

參考鏈接

---

【1】https://mooc.study.163.com/learn/2001281004?tid=2001392030#/learn/content?type=detail&id=2001729330&cid=2001725134

【2】https://blog.csdn.net/qq_27871973/article/details/82970640