深度學習基礎系列（十）| Global Average Pooling是否可以替代全連接層？

　　Global Average Pooling(簡稱GAP，全局池化層)技術最早提出是在這篇論文（第3.2節）中，被認爲是可以替代全連接層的一種新技術。在keras發佈的經典模型中，可以看到不少模型甚至拋棄了全連接層，轉而使用GAP，而在支持遷移學習方面，各個模型幾乎都支持使用Global Average Pooling和Global Max Pooling(GMP)。 然而，GAP是否真的可以

>>阅读原文<<