《动手学深度学习》第十五天---池化层

在“二维卷积层”一节里介绍的图像物体边缘检测应用中，咱们构造卷积核从而精确地找到了像素变化的位置。为了解决卷积层对图像的过分敏感，好比连拍状况下像素的偏移问题，咱们提出了池化（pooling）层。web 利用CNN的局部不变性： 所谓局部不变性，好比图像，就是图像通过简单的平移、旋转、尺度放缩，池化层在相同的位置依旧能够提取到相同的特征。这是池化层完成的任务。数组 池化层直接计算池化窗口内元素的最

>>阅读原文<<