為什么使用 1* 1卷積核？

作用：

1、實現跨通道的交互和信息整合

2、 進行卷積核通道數的降維和升維

3、 在保持feature map尺度不變的（即不損失分辨率）的前提下大幅增加非線性特性

跨通道的交互和信息整合

使用1 * 1卷積核，實現降維和升維的操作其實就是channel間信息的線性組合變化，3 * 3，64channels的卷積核前面添加一個1 * 1，28channels的卷積核，就變成了3 * 3，28channels的卷積核，原來的64個channels就可以理解為跨通道線性組合變成了28channels，這就是通道間的信息交互。
(平均池化是針對每個feature map的平均操作，沒有通道間的交互，而1×1卷積是對通道的操作，在通道的維度上進行線性組合)
一個filter對應卷積后得到一個feature map不同的filter(不同的weight和bias)，卷積以后得到不同的feature map，提取不同的特征，得到對應的specialized neuro。

卷積核的升降維度取決于卷積核的通道數！

假設輸入圖的為 32 * 32 * 3(長寬各32，通道數為3)。

使用6個 1 * 1的卷積核卷積，得到的輸出圖大小為32 * 32 * 6，(每個卷積核輸出圖在深度axis上堆疊)相當于升維。

使用2個 1 * 1的卷積核卷積，得到的輸出圖大小為32 * 32 * 2，(每個卷積核輸出圖在深度axis上堆疊)相當于降維。

1 * 1的最大的作用就是升/降特征維度(通道數)，而不改變圖片的寬高。

增加非線性特性

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 ，增加了非線性表達能力