深度学习之池化与激活函数

保留图像最显著的特征，不会影响，且可以减少参数（利用了图像数据的联系） 池化层无参数，相当于一种算法 由于卷积层（如F=64）输出的通道数会增加，为了数据变小，所以加个池化层降低数据，但是通道数和池化层一样 API 激活函数 前四个是激活函数特点 最后一个前三用的最多 和线性回归时知识相同 会出现几个如图缺点，当数据很大时，第一个所得值都相似，第二个趋于零时，对于反向学习中梯度下降求导是不科学的。

>>阅读原文<<