1x1卷积的缺点，没有更多的补充，所以我认为你问得应该是和3x3相比的缺点吧？1x1卷积是常用的来升降特征维度的模块，具体是把特征图上每一个location和卷积核做相似度度量。和3x3最大的区别就是感受野的问题了，1x1卷积层只会考虑特征每个位置单独的信息，堆叠多少次都不会有感受野的变化。但是这一点有时候也是优势。
除了太完美没有缺点 哦还有一个，那就是它除了降维也没什么用
缺点方面,卷积核大小选择困难。不合适的大小会影响特征提取效果。比如过大可能丢失局部细节。卷积层数过多易导致梯度消失。使得模型训练难以收敛到好结果。卷积操作计算量较大。对硬件计算资源要求较高。 训练时间长,尤其数据量很大时。难以处理不规则结构数据。像社交网络数据处理效果不佳。可解释性相对较差,难以理解...
问题1：感受野太小 问题2：如果用1x1卷积改变通道数的话，会导致内存访问量增加。所以在ShuffleNetv2论文...
为了高效地计算稀疏卷积,先前的稀疏卷积引擎首先使用哈希表构建一个内核映射,该映射存储需要执行的通用矩阵乘法(General Matrix Multiplication,GEMM)操作(映射步骤),然后使用Gather-GEMM-Scatter过程执行这些GEMM操作(GMaS步骤)。在本研究中,作者分析了先前最先进的稀疏卷积引擎的缺点,并提出了Minuet,一种专为现代GPU...