2018-7-10-深度学习中关于（1,1）卷积的理解

1.什么是1 * 1卷积？在我最近的学习中吧，经常看到一个叫做1 * 1的卷积核，众所周知，一般来说，我们在所用到的卷积核大小会是3 * 3呀或者5 * 5之类的，越是大的卷积核代表着更大的感受视野，卷积是对图像局部相关性的一种抽象表示。那这他妈清流一般的存在是为什么出现的呢？他用来干什么的呢？当1 * 1卷积出现时，在大多数情况下它作用是升/降特征的维度，这里的维度指的是通道数（厚度），而不改变图片的宽和高。

2.什么是通道？最开始的时候，我认为吧，通道就是指R，G，B这种颜色的类型，但是后来我看到了6个甚至更多的通道，我就很迷了，完全不知道这是个什么鬼。那么这么理解呢？RGB是怎么形

3.1 * 1卷积怎么降维举个例子，比如某次卷积之后的结果是W * H * 6的特征，现在需要用1 * 1的卷积核将其降维成W * H * 5，即6个通道变成5个通道。通过一次卷积操作，W * H * 6将变为W * H * 1，这样的话，使用5个1 * 1的卷积核，显然可以卷积出5个W * H * 1，再做通道的串接操作，就实现了W * H * 5.在这里先计算一下参数数量，一个后面说明，5个卷积核，每个卷积核的尺寸是1 * 1 * 6，也就是一种有30个参数。

4.1 * 1卷积怎么升维与降维可以说相反，增加模型深度，一定程度上提升模型的表征能力。