除了公升維和降維
跨通道資訊互動（channal 的變換）
例子：使用1x1卷積核，實現降維和公升維的操作其實就是channel間資訊的線性組合變化，3x3，64channels的卷積核後面新增乙個1x1，28channels的卷積核，就變成了3x3，28channels的卷積核，原來的64個channels就可以理解為跨通道線性組合變成了28channels，這就是通道間的資訊互動[7]。
注意：只是在channel維度上做線性組合，w和h上是共享權值的sliding window
學習筆記 卷積神經網路 一文讀懂卷積神經網路
一文讀懂卷積神經網路 原文 本文為 一文讀懂卷積神經網路 讀書筆記 圖中公式 對輸入項x 進行加權求和 最後加上偏移量 在影象處理方面相當於 影象矩陣a 與 權值矩陣b 卷積核 進行 aij bij 偏移量 得到乙個數值 2 卷積神經網路 為什麼要進行卷積 如果 畫素大小是1000 1000，隱含層...
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...
一維卷積神經網路 卷積神經網路中的計算
卷積的基本介紹 卷積操作後張量的大小計算 卷積參數量的計算 卷積flops的計算 感受野的計算 卷積神經網路中的卷積是指定義好卷積核 kernel 並對影象 或者特徵圖，feature map 進行滑動匹配，即對應位置相乘再相加。其特點就在於能夠捕捉區域性的空間特徵。具體過程如下圖所示 圖1 二維卷...