machine-learning - 为什么我们要增加 resnet-50 架构的维度？

Question

在 rensnet-50 的瓶颈 block 中，我们使用 conv1x1(前一个 block out,64)、conv3x3(64,64)、conv1x1(64,256)，然后重复。

为什么我们增加第三个 conv1x1 层的维度只是为了在下一个 block 中减少它？

Answer 1

这是一个瓶颈层，请参阅此问题的答案:

https://ai.stackexchange.com/a/4887

还有这个问题:

https://stats.stackexchange.com/questions/205150/how-do-bottleneck-architectures-work-in-neural-networks

本质上，它是为了减少特征数量，特别是对于 3x3 卷积。