筆記-深度學習概念了解：1X1卷積

前言

在閱讀網路文章時，有看到說1X1的卷積層能夠升維、降維，不了解所以然，故來查找。：Ｐ

正文

卷積核尺寸為1X1的卷積層能夠達到降低和增加輸出的維度，是因為它能夠改變輸入數據的通道數量(depth)，而不改變其空間維度(height和width)，原理如下。

舉個以尺寸為1X1X3且核數量為2的卷積處理3X3且通道數為3的特徵圖的過程為例。

在每個空間位置上，1X1卷積會進行以下計算：

輸出通道1=w₁₁⋅x₁+w₁₂⋅x₂+w₁₃⋅x₃

輸出通道2=w₂₁⋅x₁+w₂₂⋅x₂+w₂₃⋅x₃

其中，x1、x2、x3是輸入特徵圖在某個空間位置上的3個通道的值，w_ij是1X1卷積核的權重。

可以參考卷積神經網路(Convolutional neural network, CNN): 1×1卷積計算在做什麼這篇文章，覺得最下面的圖解釋得很清楚。

以上～

參考

• 卷積神經網路(Convolutional neural network, CNN): 1×1卷積計算在做什麼—Tommy Huang
• ChatGPT

小結

繼續趕路，繼續留腳印(XD)。