1.降維或升維，減少參數量
通過1*1卷積核的個數，來控制輸出的通道數也就是維度
通過一次卷積操作，W*H*6將變為W*H*1，這樣的話，使用5個1*1的卷積核，顯然可以卷積出5個W*H*1，再做通道的串接操作，就實現了W*H*5
對於某個卷積層，無論輸入圖像有多少個通道，輸出圖像通道數總是等於卷積核數量！
圖示：
goolenet為例：
resnet為例：
同樣也利用了1x1卷積，並且是在3x3卷積層的前后都使用了，不僅進行了降維，還進行了升維，使得卷積層的輸入和輸出的通道數都減小，參數數量進一步減小，
加入1x1卷積后可以降低輸入的通道數，卷積核參數、運算復雜度也就降下來了
2.跨通道的信息融合：
上圖是輸入4個通道的原圖，用兩個卷積核w1和w2對圖像進行卷積；
w1分別在四個通道上進行卷積，然后結果相加就得到了w1卷積后的結果，融合了四個通道；w2同樣，再做通道連接，也就形成了2維的結果。