ｂｏｔｔｌｅｎｅｃｋ结构是由两层卷积核尺寸为１Ｘ１的卷积层和一层卷积 核尺寸为３Ｘ３的卷积层构成，ｂｏｔｔｌｅｎｅｃｋ首先利用一＂ｔＭＸ１卷积使输入层的特征向量 从２５６维度降至６４维度，接着利用３Ｘ３卷积层学习特征，最后通过１Ｘ１卷积层将特 征向量恢复至与输入一致的２５６维度，该过程通过３个卷积层拟合了残差函数，然后与 恒等映射相加再由Ｒｅｌｕ映射后输出。通过ｂｏｔｔｌｅｎｅｃｋ可以有效降低神经网络的参数量和 计算的复杂度，有效解决深层网络的退化问题。转换一种写法

Bottleneck 结构由两个卷积层组成，卷积核尺寸均为 1x1。此外还有一个卷积层，卷积核尺寸为 3x3。首先，Bottleneck 利用 1x1 卷积层将输入层的特征向量从 256 维度降至 64 维度。接着，通过 3x3 卷积层学习特征，并将特征向量恢复至与输入一致的 256 维度，这个过程通过 3 个卷积层拟合了残差函数。最后，将残差函数与恒等映射相加，并通过 ReLU 映射后输出。Bottleneck 可以有效降低神经网络的参数数量和计算复杂度，从而有效解决深层网络的退化问题。