對於CNN中pooling（池化層）的理解

pooling層(池化層)的輸入一般來源於上一個卷積層,主要有以下幾個作用： 1.保留主要的特徵,同時減少下一層的參數和計算量，防止過擬合； 2. 保持某種不變性，包括translation(平移)，rotation(旋轉)，scale(尺度),常用的有mean-pooling和max-pooling。 mean-pooling(平均值)   對一塊小區域取平均值,假設pooling的窗大小是2x

>>阅读原文<<