1×1卷积和全连接层的联系

首先，直观上看1×1卷积一般是用于三维[C, H, W]或者四维[B, C, H, W]数据，调整了特征图通道数；而全连接层是用于一维或二维数据，对特征图做Flatten拉成一个向量之后，经过矩阵相乘的方式，生成另一个长度的向量

结合pytorch，仔细想想这两个操作本质上是类似的，都可以调整通道维度；

对于1×1卷积，定义：

1×1conv = nn.Conv2d(in_channel, out_channel, 1)

实质上是在特征图的每个位置上执行矩阵向量乘法；

对于全连接层，定义：

Linear = nn.Linear(in_channel, out_channel)

对于一个[B, in_channel, H, W]的四维数据，pytorch中对nn.Linear有如下文档：

说明只会对输入数据的最后一维做矩阵向量乘法，也就是不用再多余进行Flatten操作！

只要将张量的通道维度调整到最后一维，经过线形层后，再将张量各个维度调整回原本顺序即可于1×1卷积实现同样功能。