一维卷积通常用于序列模型中，所以在自然语言处理中，通常使用的是一维卷积。
1、升维和降维，通常将一维卷积当做全连接使用
2、加入非线性。卷积层之后经过激励层，1*1 的卷积在前一层的学习表示上添加了非线性激励（ non-linear activation ），提升网络的表达能力；
3、跨通道信息交互（channal 的变换）第一点说的升维和降维通常是通道间的变换，3*3，64channels 的卷积核前面添加一个 1*1，28channels 的卷积核，就变成了 3*3，28channels 的卷积核，原来的 64 个 channels 就可以理解为跨通道线性组合变成了 28channels，这就是通道间的信息交互。
