我正在查看InceptionV3（GoogLeNet）架构，无法理解为什么我们需要conv1x1层？
我知道卷积是如何工作的，但我看到补丁大小的利润＆gt; 1.
答案 0 :(得分：36)
当1x1xD卷积放置在某个网络中时，您可以将其视为降维技术。
如果您的输入音量为100x100x512，并且您使用一组D过滤器对其进行卷积，每个过滤器的大小为1x1x512，则会将要素数量从512减少到D.
因此，输出量为100x100xD。
正如您所看到的，这个(1x1x512)xD卷积在数学上等同于完全连接的层。主要区别在于，虽然FC层要求输入具有固定大小，但卷积层可以在输入中接受空间范围大于或等于100x100的每个卷。
1x1xD卷积可以替代任何完全连接的层，因为这种等价。
此外，1x1xD卷积不仅减少了输入到下一层的功能，还在网络中引入了新参数和新的非线性，有助于提高模型的准确性。
当1x1xD卷积放置在分类网络的末尾时，它的作用与FC层完全相同，但不是将其视为降维技术，而是更直观地考虑它作为一个层，将输出一个形状为WxHxnum_classes的张量。
输出张量的空间范围（由W和H标识）是动态的，由网络分析的输入图像的位置决定。
如果使用200x200x3的输入定义了网络，并且我们在输入中为其提供了此尺寸的图片，则输出将是W = H = 1和深度= num_classes的地图。
但是，如果输入图像的空间范围大于200x200，则卷积网络将分析输入图像的不同位置（就像标准卷积一样），并将生成具有W > 1和{的张量{1}}。
对于限制网络接受固定大小输入并产生固定大小输出的FC层，这是不可能的。
答案 1 :(得分：3)
1x1卷积只是将输入像素映射到输出像素，而不是查看周围的任何内容。它通常用于减少深度通道的数量，因为在具有极大深度的体积倍增时通常非常慢。
input (256 depth) -> 1x1 convolution (64 depth) -> 4x4 convolution (256 depth)
input (256 depth) -> 4x4 convolution (256 depth)
底部慢约3.7倍。
理论上，神经网络可以选择＆＃39;输入的颜色＆＃39;看看使用它，而不是蛮力倍增一切。