CNN中卷積層和池化的作用和理解

承接上文對CNN的介紹[學習筆記P20-CNN]，下面來看看一些細節梳理： CNN框架： 池化層（pooling layer)也叫做子採樣層（subsampling layer），其作用是進行特徵選擇，降低特徵數量，並從而減少參數數量。 爲什麼conv-layer之後需要加pooling_layer? 卷積層【局部連接和權重共享】雖然可以顯著減少網絡中連接的數量，但特徵映射組中的神經元個數並沒有顯

>>阅读原文<<