谷歌浏览器搜索、看Youtube视频必备VPN：SockBoom
或者网址：https://sockboom.bar/auth/register?affid=212828
一、深度学习中池化层的作用
池化层是特征选择和信息过滤的过程，过程中会损失一部分信息，但是会减少参数和计算量，在模型效果和计算性能之间寻找到平衡，随着计算速度的不断提高，如今出现了一些设计上的变化，有些网络已经开始少用或者不用池化层。
平均池化 最大池化
1.1 AVG Pooling 平均池化
对领域内特征点求平均
- 优缺点：很好的保留背景，但是容易使得图片模糊
- 正向传播：领域内取平均值
- 反向传播：特征值根据领域大小被平均，然后传给每个索引位置
1.2 Max Pooling 最大池化
对领域内特征点取最大
- 优缺点：能很好保留一些关键的纹理特征（保留最大的特征），现在更多的是使用Max Pooling而很少使用Avg Pooling
- 正向传播：取领域内最大，并记住最大值的索引位置，以方便反向传播
- 反向传播：将特征值填充到正向传播中，值最大的索引位置，其他位置补0
文章出处登录后可见！
已经登录？立即刷新
