CNN—pooling層的作用

此處是個人見解：歡迎微信探討：lp5319 1、使構建更深層次的網絡變得可行； 2、使得filters獲得更多的全局和contextual（上下文）信息； 3、使訓練可行，也可以說使得訓練變得更高效，主要是針對深層次的網絡結構來說； 4、使得 特徵map大小和數量進行更好的選擇（權衡）。例如，就用輸入到全連接層的前一層conv來說，特徵map太大的話，特徵數量就不易太多，通過pooling，使得特

>>阅读原文<<