【对1×1卷积核的理解】

常规卷积

卷积可以对数据进行特征提取，比如在上图中，对于一张大小为32×32的彩色狗狗图像而言，采用6组卷积核对这张彩色照片进行特征提取。

从设计思路上讲，希望提取到的6个特征为狗狗的眼睛，耳朵，鼻子，尾巴，四肢，躯干。

但是光使用这6个卷积并不能做到这种程度，输出的6个通道中，可能某一通道同时包含了耳朵和尾巴的信息，或者其他混合信息。

因此，需要许多组卷积核进行特征提取，并且重复多次，以期望能有一组卷积核可以完整的提取狗狗的耳朵的信息。

1×1卷积

1×1卷积与常规的卷积就有所不同了，他完成的不是特征提取的功能，而是实现特征图的升维与降维操作。

从神经网络中截取某一步的输出，8×8×32的特征图，对其采用两组大小为1×1×32的卷积核进行卷积，将得出的结果拼接为一个8×8×2的特征图。于是，我们通过使用两个1×1的卷积核，完成了从32维通道数降为2维通道数的操作。

同样，升维也是类似的，只需要我们采用64组1×1×32的卷积核对8×8×32的特征图进行卷积，将结果拼接起来。那么，我们会得到升维后的8×8×64维的特征图。