深度學習之池化與激活函數

保留圖像最顯著的特徵，不會影響，且可以減少參數（利用了圖像數據的聯繫） 池化層無參數，相當於一種算法 由於卷積層（如F=64）輸出的通道數會增加，爲了數據變小，所以加個池化層降低數據，但是通道數和池化層一樣 API 激活函數 前四個是激活函數特點 最後一個前三用的最多 和線性迴歸時知識相同 會出現幾個如圖缺點，當數據很大時，第一個所得值都相似，第二個趨於零時，對於反向學習中梯度下降求導是不科學的。

>>阅读原文<<