深度卷积和逐点卷积的区别

深度卷积和逐点卷积都是卷积神经网络中的卷积操作，但它们的作用和实现方式有所不同。

深度卷积是指卷积核的深度与输入数据的深度相同，即在输入数据的每个通道上分别进行卷积操作，然后将各个通道的结果相加得到最终的输出。深度卷积可以很好地提取输入数据的特征，因为不同的通道可以学习到不同的特征。

逐点卷积（也称为1x1卷积）是指卷积核的大小为1x1，即只在输入数据的每个像素点上进行卷积操作。逐点卷积通常用于调整输入数据的通道数或者进行特征融合。例如，可以使用逐点卷积将通道数减少，以降低模型的计算复杂度；也可以使用逐点卷积将多个特征图合并成一个特征图。

总的来说，深度卷积和逐点卷积都是卷积神经网络中常用的卷积操作，它们的作用和实现方式有所不同，但都可以帮助提取输入数据的特征。