ResNet 中的 Bottleneck 模块有什么用

ResNet 中的 Bottleneck 模块的主要作用是在深层网络中提高特征表示能力，同时减少模型参数和计算量。Bottleneck 模块通过 1x1 卷积将输入通道数降低，再通过 3x3 卷积进行特征提取，最后再通过 1x1 卷积将通道数提升，从而实现了特征提取和通道数降低、增加的效果。由于 Bottleneck 模块采用了不同大小的卷积核，所以它可以在保证特征表达能力的同时，减少了模型的参数和计算量，提高了模型的效率和性能。在深层网络中使用 Bottleneck 模块可以有效地解决梯度消失和梯度爆炸的问题，从而提高了模型的训练效果和泛化能力。