目录
一、1x1卷积的作用？
1改变数据维度（存储方式）
2增加模型的深度减少参数量
3增加非线性
因为1*1卷积不改变图形的大小，当对同一个特征图用数值不同的1*1的卷积核时，会得到到不同的输出，当同时使用多个卷积核时就可以改变模型的维度，比如，一张500 * 500且厚度100 的图片在20个卷积核上做1*1的卷积，那么结果的大小为500*500*20。
图一
图二
图三
图四
通常情况下，在构建网络模型时会使用激活函数，当使用1*1的卷积核来加深了网络模型，使用的激活函数的次数就会变多，激活函数大多是非线性的（有利于分离跟高维度的特征），也就增加了非线性。
参考资料：
卷积神经网络中用1*1 卷积有什么作用或者好处呢？https://www.zhihu.com/question/56024942
深度学习500问：https://github.com/scutan90/DeepLearning-500-questions
