pool layer

1、池化層的原因： 縮減模型的大小，提高計算速度。提高索取特徵的魯棒性。 左上限應該是一個貓眼探測器。用池化層的直接原因是實驗效果非常好。池化層又一個超參數是不用學習的。實際上，梯度下降沒什麼學的，只要知道f、s 他就是一個固定的運算。不需要改變任何值。 平均池化層： 目前來說最大池化比平均池化更常用。在很深的網絡中，可以用平均池化分解規模7*7*1000的網絡的表示層。 在池化過程中，池化的輸出

>>阅读原文<<