卷積神經網絡CNN【4】pooling池化層

卷積操作後，我們得到了一張張有着不同值的feature map，儘管數據量比原圖少了很多，但還是過於龐大（比較深度學習動不動就幾十萬張訓練圖片），因此接下來的池化操作就可以發揮作用了，它最大的目標就是減少數據。 拿最大池化Max Pooling舉例：選擇池化尺寸爲2x2，因爲選定一個2x2的窗口，在其內選出最大值更新進新的feature map。 最終得到池化後的feature map。可明顯發現

>>阅读原文<<