深度學習－池化層

池化層用於減少卷積神經網絡模型上的空間尺寸，而不是深度，基本上這是您獲得的： 1、通過減少空間信息，可以獲得計算性能 2、較少的空間信息也意味着較少的參數，因此減少了過度擬合的機會 3、會得到一些翻譯不變性 一些項目不使用池，特別是當他們想「學習」某些對象特定的位置時。 瞭解如何玩Atari遊戲。 在下面的圖中，我們顯示了池化最大池層的最常見類型，它像普通的卷積一樣滑動窗口，並在窗口上獲得最大值作

>>阅读原文<<