1、卷积核和神经元在某些方面具有相似性，但它们并不完全相同。

2、首先，卷积核是一种在卷积神经网络中使用的权重，用于与输入数据进行卷积操作。卷积核通常是一个小矩阵，其中包含了多个权重参数，这些参数可以在训练过程中进行更新和优化。而神经元则是神经网络的基本单元，它具有一个或多个输入和输出，能够将输入信号转换为输出信号。神经元的输入和输出之间通过权重进行连接，这些权重也可以在训练过程中进行更新和优化。

3、虽然卷积核和神经元都涉及到权重的概念，但它们的用途和结构是不同的。卷积核主要用于卷积操作，而神经元则用于处理输入信号并产生输出信号。此外，卷积核的结构通常是固定的，而神经元的结构可以根据不同的网络结构和算法进行调整。

4、综上所述，虽然卷积核和神经元在某些方面具有相似性，但它们并不是完全相同的概念。

1、两个作用，一是改变通道，二是进行非线性操作。

2、改变通道主要是对输入或者输出通道进行降维升维，这个的优势在于维持特征不变的情况下还可以减少计算量，这个第一次应用到resnet取得了不错的效果。

3、加入非线性操作是因为1*1卷积在前一层的学习上添加了非线性激励，能提升网络的泛化能力。