filter 1×1(源自Network in Network )，
①输入输出channel数相同，可以看作是输入的线性变换，但是增加了非线性(∵后面跟着的relu层)
②对feature map降维/升维(∵输出的channel数=核数)
对 feature map 的channel级别降维或升维：例如224x224x100的图像（或feature map）经过20个conv1x1的卷积核，得到 224x224x**20 **的 feature map。尤其当卷积核（即filter）数量达到上百个时，3×3 或 5×5 卷积的计算会非常耗时，所以 1×1 卷积在 3×3 或 5×5 卷积计算前先降低 feature map 的维度。
③conv3x3、conv1x1都考虑跨通道的特征组合。
conv3x3 既考虑跨通道，也考虑局部信息整合；
conv1x1 根本不考虑单通道上像素的局部信息（不考虑局部信息），专注于那一个卷积核内部通道的信息整合。
