深度學習（十五）卷積神經網絡CNN（5）---池化層/採樣層

       池化層的輸入通常來源於上一個卷積層，主要做用是提供了很強的魯棒性（例如max-pooling是取一小塊區域中的最大值，此時若此區域中的其餘值略有變化，或者圖像稍有平移，pooling後的結果仍不變），而且減小了參數的數量，防止過擬合現象的發生。池化層通常沒有參數，因此反向傳播的時候，只需對輸入參數求導，不須要進行權值更新。學習        池化層夾在連續的卷積層中間， 用於壓縮數據

>>阅读原文<<