卷積神經網絡CNN的池化層和1*1的卷積核的作用

卷積神經網絡CNN的池化層和1*1的卷積核的作用 （1）池化層|Pooling Layer： 目前，有兩種廣泛使用的池化操作——平均池化（average pooling）和最大池化（max pooling），其中最大池化是兩者中使用最多的一個操作，其效果一般要優於平均池化。池化層用於在卷積神經網絡上減小特徵空間維度，但不會減小深度，1乘1的卷積核來擔任減小深度的角色。當使用最大池化層時，採用輸入區

>>阅读原文<<