1*1卷积和谷歌Inception网络

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接： https://blog.csdn.net/weixin_44593822/article/details/102669327

1*1卷积

也称为network in network。

信道数量很大时，可以用1*1卷积压缩信道数量

也可以根据自己的意愿来压缩，保持或者增加信道数量

谷歌Inception网络

Inception网络或Inception层的作用就是代替人工确定卷积层中的过滤器类型，或者确定是否要创建卷积层或池化层。

瓶颈层即网络中最小的层。

下图计算每层的计算成本，以第一层（28*28*16）为例：
输出是28*28*16个参数，而过滤器是1*1*192（此为过滤器是尺寸，过滤器数量是16个），

注意过滤器和表示层的通道数相同（卷积时是立体卷积！），即每得出一个参输出数要进行1*1*192个参数的运算！

以第一层为例：1个过滤器进行一次运算得到输出层（28*28*16共有16层）的一层上的一个值，然后表示层的一层有28*28个参数，所以输出层的一层为1*1*192*28*28个计算参数，而过滤器数量是16，即进行这样的运算16次，

所以总共的计算参数为28*28*16*1*1*192=240万（第二个卷积层同理）

 Model and Inception network