所謂通道壓縮，network in network是怎麼做到的？
對於如下的二維矩陣，做卷積，相當於直接乘以2，貌似看上去沒什麼意義。
但是，對於下面這種32通道的資料，如果我用1個1x1x32的卷積核與其做卷積運算，得到的就是1個6x6的矩陣。
在這個過程中，發生了如下的事情：
同理，如果我用n個1x1x32的卷積核與其做卷積運算，得到的就是n個6x6的矩陣。
所以，1x1的卷積，可以從根本上理解為：有乙個全連線的神經網路，作用在了不同的32個位置上。
這種做法，通常稱為1x1卷積或network in network。它的主要作用，就是降低通道數量。如下圖
28x28x192的資料，被32個1x1x192的卷積核作用後，就變為28x28x32的資料。這也就是所謂通道壓縮，通道降維。當然如果你願意，也可以增加通道維度。這在inception網路中很有用。
本篇參考了andrewng的deep learning課程。
1x1的卷積核有什麼作用
通道壓縮 通 通 減 一 1 x 1的卷積核作用 所謂通道壓縮，network in network是怎麼做到的？對於如下的二維矩陣，做卷積，相當於直接乘以2，貌似看上去沒什麼意義 但是，對於下面這種32通道的資料，如果我用1個1x1x32的卷積核與其做卷積運算，得到的就是1個6x6的矩陣 在這個過...
1X1中卷積核的作用
發現很多網路使用了1x1卷積核，這能起到什麼作用呢？另外我一直覺得，1x1卷積核就是對輸入的乙個比例縮放，因為1x1卷積核只有乙個引數，這個核在輸入上滑動，就相當於給輸入資料乘以乙個係數。不知道我理解的是否正確。我來說說我的理解，我認為1 1的卷積大概有兩個方面的作用吧 1.實現跨通道的互動和資訊整...
1x1卷積的作用
1x1卷積的作用 在架構內容設計方面，其中乙個比較有幫助的想法是使用1x1的卷積。這裡用1x1的過濾器進行卷積似乎用處不大。只是對輸入矩陣乘以某個數字。但這僅僅是對於6x6x1的通道來說1x1卷積效果不佳。如果是一張6x6x32的，那麼使用1x1過濾器進行卷積效果更好。具體來說 1x1卷積所要實現的...