1. 1*1卷积的作用？

1.实现跨通道的交互和信息整合

1. 进行卷积核通道数的降维和升维
2. 实现多个feature map的线性组合，实现通道个数的变换

3. 对特征图进行一个比例缩放

   2. CNN池化层有什么作用？

4. 减小图像尺寸，数据降维

5. 缓解过拟合
6. 保存一定程度的旋转和平移不变性

maxpooling 能保证卷积神经网络在一定范围内平移特征能得到同样的激励，具有平移不变性

3. 空洞卷积的作用？

标准卷积 空洞卷积
空洞卷积也叫扩展卷积，在保持参数个数不变的情况下增加了卷积核的感受野，同时它可以保证输出的特征映射（feature map）的大小保持不变。一个扩展率为2的3x3卷积核，感受野与5x5的卷积核相同，但参数个数仅为9个。

4. 深度学习中常用的损失函数?

 交叉熵损失，平方差损失，绝对值损失，Hinge Loss

5.Sigmoid激活函数为什么会梯度消失？Sigmoid函数导数的最大值出现在哪个值？

从两个方面看，首先看函数本身，若输入值X过大，sigmoid函数导数为零；另一方面，sigmoid函数求导，导数最大等于1/4，小于1，经过深的网络传递就会出现梯度消失的问题。

6.评价指标

目标检测中的AP和mAP