對於1x1矩陣最直觀的感受是能有什麼作業，滑動的時候怎麼提取特徵。其實最開始就理解錯了。1x1卷積不是用來取特徵的，而是用來降維和公升維1x1卷積核，又稱為網中網（network in network）
emmm， 這不就是對每個畫素乘以卷積核權重嘛，比較好理解
當輸入時多通道的，比如上圖32通道，6x6大小。給定卷積6x6，既然做卷積操作，卷積核的通道數要與輸入通道數一致，所以實際上卷積的引數為6x6x32。
如果只個1個卷積核，那麼結果就變為1通道，結果中的每個畫素值是32個通道累加的結果。所以給定卷積核個數小於輸入通道數就實現降維。如果大於則公升維。
輸入通道為3
左圖卷積個數為2<3，所以降維
右圖卷積個數為4>3，所以公升維
一文讀懂卷積神經網路中的1x1卷積核
深度學習 1x1卷積核
1312.4400 network in network 如果1 1卷積核接在普通的卷積層後面，配合啟用函式，即可實現network in network的結構 1x1卷積核到底有什麼作用呢？關於1 1卷積核的理解 如何理解卷積神經網路中的1 1卷積 每當我討論或展示 googlenet架構時 都會...
深度學習 1x1卷積核的作用
問 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 答2 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...
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...