深入理解CNN卷积神经网络各层的意义

卷积神经网络的一般架构 Convolution–卷积层 Pooling–池化层 Fully connected–全连接层 池化层 【作用】：缩减模型的大小，提高计算速度，同时提高所提取特征的鲁棒性（可以理解为抗干扰性能） 【分类】： Max Pooling：最大池化 Average Pooling：平均池化 最大池化（效率高） 【处理】：以上图为例，将输入分为四个区域，取出每个区域的最大值，组成新

>>阅读原文<<