有一副8*8的图，进行1*1的卷积
如果是单通道：则1*1的卷积只是将矩阵乘上一个数字，没啥作用
但如果是3通道，卷积核也变成3通道，则可以提取不同通道的特征（赋予不同的权重），再加一个Bias
典型的应用场景，有一张图，经过卷积后有28*28*64 64个信道，我们可以通过卷积压缩长和宽，但是如何保证长和宽不变的情况下，压缩信道呢？
可以使用卷积核1*1 32个卷积核，即可，其实也就是通过不同的权重取采样这些信道
有一副8*8的图，进行1*1的卷积
如果是单通道：则1*1的卷积只是将矩阵乘上一个数字，没啥作用
但如果是3通道，卷积核也变成3通道，则可以提取不同通道的特征（赋予不同的权重），再加一个Bias
典型的应用场景，有一张图，经过卷积后有28*28*64 64个信道，我们可以通过卷积压缩长和宽，但是如何保证长和宽不变的情况下，压缩信道呢？
可以使用卷积核1*1 32个卷积核，即可，其实也就是通过不同的权重取采样这些信道