《動手學深度學習》第十五天---池化層

在「二維卷積層」一節裏介紹的圖像物體邊緣檢測應用中，咱們構造卷積核從而精確地找到了像素變化的位置。爲了解決卷積層對圖像的過分敏感，好比連拍狀況下像素的偏移問題，咱們提出了池化（pooling）層。web 利用CNN的局部不變性： 所謂局部不變性，好比圖像，就是圖像通過簡單的平移、旋轉、尺度放縮，池化層在相同的位置依舊能夠提取到相同的特徵。這是池化層完成的任務。數組 池化層直接計算池化窗口內元素的最

>>阅读原文<<