设计思想
使用mlpconv网络替代传统的convolution层
不用FC层
- 减了少参数个数，进而网络层数可以加深，加快训练速度；
- 由于参数过多，网络过大，GPU显存不够限制了网络层的增加，从而限制了模型的泛化能力；
核心结构mlpconv
mlpconv = conv + 1×1conv + 1×1conv(2层的mlp)
1×1卷积核作用：
- 实现通道间的信息交互和整合（加了1*1后，对通道也学习了一下。例如3D卷积就是学习 通道信息）；
- 卷积核通道数的降维和升维；
ResNet中也用到了1×1卷积，并在3×3前后都使用了。既进行了降维，还进行了升维，使卷积的输入和输出通道都减小了，参数数量进一步减小；