機器學習/深度學習入門：CNN池化層

池化層也叫下采樣層，對輸入的特徵圖進行壓縮，1.使特徵圖變小，簡化網絡計算複雜度；2.進行特徵壓縮，提取主要特徵；3.降低過擬合，減小輸出大小的結果，它同樣也減少了後續層中的參數的數量。其具體操作與卷基層的操作基本相同，只不過下采樣的卷積核爲只取對應位置的最大值、平均值等（最大池化、平均池化），並且不經過反向傳播的修改。 pooling的結果是使得特徵減少，參數減少，但pooling的目的並不僅在

>>阅读原文<<