为什么我们在 resnet-50 架构中增加维度？

Question

在rensnet-50的bottleneck block中，我们使用conv1x1(previous 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块中减少它？

Answer 1

这是一个瓶颈层，看这个问题的答案：

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

本质上是为了减少特征数量，尤其是对于 3x3 卷积。