池化函數(Pooling Function)

1. 池化(Pooling)概念 在神經網絡中，池化函數(Pooling Function)一般在卷積函數的下一層。在經過卷積層提取特徵之後，得到的特徵圖代表了  比  像素   更高級的特徵，已經可以交給 分類器 進行訓練分類了。但是我們 每一組卷積核  都生成 一副與原圖像素相同大小的  卷積圖，節點數一點沒少。如果使用了 多個卷積核  還會使得通道數比之前多的多！我靠，這維度不一下子上去了嘛

>>阅读原文<<