Bottleneck模块作用

Bottleneck模块通常用于深度卷积神经网络中，其作用是引入瓶颈结构来减少模型参数和计算量。具体来说，Bottleneck模块由一个1\*1卷积层、一个3\*3卷积层和另一个1\*1卷积层组成，第一个1\*1卷积层用于降低输入的通道数，第二个3\*3卷积层用于提取特征，第三个1\*1卷积层则用于增加输出的通道数。这种结构可以在保证精度的前提下，减少计算量和内存占用，从而使得深度卷积神经网络可以更好地适应大规模数据集的训练。