目录

汇聚/池化层

池化的意义

  • 降低卷积层对位置的敏感性
  • 同时降低对空间降采样表示的敏感性。

最大池化和平均池化

/posts/learning/cs/convolutional_neural_networks/pooling/pooling.gif 与卷积层类似,通过滑动窗口,选择最大值为最大池化,计算平均值为平均池化

填充和步幅

pooling 层也可设置padding和strides,与卷积层并无差异

多通道

与卷积层不同的是,池化层是对每个通道进行分别计算,并不会汇聚不同通道的信息,所以池化层的输出通道数一定与输入相同

小结

  • 对于给定输入元素,最大汇聚层会输出该窗口内的最大值,平均汇聚层会输出该窗口内的平均值。
  • 汇聚层的主要优点之一是减轻卷积层对位置的过度敏感。
  • 我们可以指定汇聚层的填充和步幅。
  • 使用最大汇聚层以及大于1的步幅,可减少空间维度(如高度和宽度)。
  • 汇聚层的输出通道数与输入通道数相同。