池化方法總結（Pooling）

在卷積神經網絡中，咱們常常會碰到池化操做，而池化層每每在卷積層後面，經過池化來下降卷積層輸出的特徵向量，同時改善結果（不易出現過擬合）。php 爲何能夠經過下降維度呢？網絡 由於圖像具備一種「靜態性」的屬性，這也就意味着在一個圖像區域有用的特徵極有可能在另外一個區域一樣適用。所以，爲了描述大的圖像，一個很天然的想法就是對不一樣位置的特徵進行聚合統計，例如，人們能夠計算圖像一個區域上的某個特定特徵的

>>阅读原文<<