რატომ გამოიყენება ნეირონული ქსელებში 1x1 ბირთვის კონვოლუცია?

ნეირონული ქსელებში 1x1 ბირთვის კონვოლუცია გამოიყენება რამდენიმე მიზნისთვის:

• არხების რაოდენობის (სიღრმის) შეცვლა: 1x1 კონვოლუცია ეფექტურად შეუძლია არხების რაოდენობის შემცირება ან გაზრდა, არ ზემოქმედებს სურათის სივრცულ ზომებზე.
• ნეირონული არალინეარობა და არხების შერევა: 1x1 კონვოლუციის შემდეგ ჩვეულებრივ გამოიყენება აქტივაცია, რაც ეხმარება მოდელს უფრო კომპლექსური წარმოდგენების სწავლაში.
• გამოთვლების ოპტიმიზაცია: 1x1 კონვოლუციები ხშირად გამოიყენება არქიტექტურებში, როგორიცაა ResNet ან Inception, გამოთვლითი დატვირთვის შემცირების მიზნით, მძიმე კონვოლუციების შეცვლისთვის.

მაგალითად: თუ გაქვთ 28x28x256 ზომის ტენსორი, 64 ფილტრით 1x1 კონვოლუციის გამოყენება გამოიღებს 28x28x64 გამოსავალს, რაც ეფექტურად ამცირებს თვისებების ზომას.

ამ გზით, 1x1 კონვოლუცია არის ინსტრუმენტი მონაცემების სივრცული თვისებების შეცვლის გარეშე მოდელის გამოხატულების უნარის გაზრდისა და ზომის მართვისთვის.