1*1卷积网络的作用

之前在看GoogLeNet中的Inception v1模型时，看到其中有很多1*1的卷积层，之前总是不太明白加这些有什么用啊？

降维

在认真学习后，发现自己忽略了一个重要的因素。就是卷积核的个数。1*1的卷积核主要是通过减少channel数量来实现特征维度降低，从而减少整个网络模型的参数的。原始的Inception module中，参数数量为：

(64*192*1*1)+(128*192*3*3)+(32*192*5*5)

而增加1*1卷积网络后，整个module中的参数数量为：

(64*192*1*1)+(1*1*96*128+128*96*3*3)+(5x5x16x32+1x1x192x32)

通过比较，可以看到由于1*1的卷积使得特征图的channel数量减少，从而大大降低了整个module中的参数数量。
同理，通过增加1*1卷积核的数量，可以进行升维。

促进不同通道之间的信息交换

增加网络深度