pool layer

1、池化层的原因： 缩减模型的大小，提高计算速度。提高索取特征的鲁棒性。 左上限应该是一个猫眼探测器。用池化层的直接原因是实验效果非常好。池化层又一个超参数是不用学习的。实际上，梯度下降没什么学的，只要知道f、s 他就是一个固定的运算。不需要改变任何值。 平均池化层： 目前来说最大池化比平均池化更常用。在很深的网络中，可以用平均池化分解规模7*7*1000的网络的表示层。 在池化过程中，池化的输出

>>阅读原文<<