1*1卷積過濾器 和正常的過濾器一樣，唯一不同的是它的大小是1*1，沒有考慮在前一層局部信息之間的關系。最早出現在 Network In Network的論文中 ，使用1*1卷積是想加深加寬網絡結構 ，在Inception網絡（ Going Deeper with Convolutions ）中用來降維.

由于3*3卷積或者5*5卷積在幾百個filter的卷積層上做卷積操作時相當耗時，所以1*1卷積在3*3卷積或者5*5卷積計算之前先降低維度。

那么，1*1卷積的主要作用有以下幾點：

1、降維（ dimension reductionality ）

某次卷積之后的結果是W*H*100的特征，現在需要用1*1的卷積核將其降維成W*H*10，即100個通道變成10個通道：
通過一次卷積操作，W*H*100將變為W*H*1，這樣的話，使用10個1*1的卷積核，顯然可以卷積出10個W*H*1，再做通道的串接操作，就實現了W*H*5。

2. 升維

? 比如某次卷積之后的結果是W*H*6的特征，現在需要用1*1的卷積核將其降維成W*H*7，即6個通道變成7個通道：
? 通過一次卷積操作，W*H*6將變成W*H*1，這樣的話，使用7個1*1的卷積核，顯然可以卷積出7個W*H*1，再做銅套串接操作，就實現了W*H*7。

3、加入非線性。卷積層之后經過激勵層，1*1的卷積在前一層的學習表示上添加了非線性激勵（ non-linear activation ），提升網絡的表達能力；

總結

以上是生活随笔為你收集整理的[深度学习]CNN--卷积神经网络中用1*1 卷积有什么作用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。