都2024年了，不会还有人连深度学习都不了解吧（五）-- 下采样篇

一、下采样方式

---

平均池化和最大池化是CNN中使用最多的下采样方式，所谓的池化，是指特征图分别在高、长方向上的缩小运算，下采样目的在于增加模型的鲁棒性，所谓的鲁棒性，可以简单理解为当输入数据发生微小偏差时，结果仍是相同的。池化的特征主要有3个：

• ①池化层没有要学习的参数，这与卷积层有质的区别。

• ②经过池化层后，特征图的通道数不会发生变化，即输入数据和输出数据的通道数是相同的。

• ③对微小的位置变化具有鲁棒性。

下面我们分别介绍最大池化（MaxPool）和平均池化（AvgPool）两种最常见的下采样方式。

1.1 最大池化

假设有一张特征图X，size为（4，4），池化窗口kernel size为2，池化步长为2。

step1：

step2：

step3：

step4：

1.2 平均池化

平均池化的运行原理跟最大池化基本一样，唯一不同之处在于平均池化是计算目标区域的平均值。

step1：

• （1+2+0+1）/ 4=1

step2：

• （1+2+2+3）/ 4=2

step3：

• （3+0+3+4）/ 4=2

step4：

• （1+2+0+1）/ 4=1

最后特征图变为：

1.3 size的变化

假设输入大小为(H, W)，滤波器大小为(FH, FW)，输出大小为(OH, OW)，填充为P，步幅为S，输出大小可通过下式计算得到。

最后

经过日积月累， 以下是小编归纳整理的深入了解Java虚拟机文档，希望可以帮助大家过关斩将顺利通过面试。
由于整个文档比较全面，内容比较多，篇幅不允许，下面以截图方式展示 。

由于篇幅限制，文档的详解资料太全面，细节内容太多，所以只把部分知识点截图出来粗略的介绍，每个小节点里面都有更细化的内容！

sf-1714812630829)]
[外链图片转存中…(img-S7yN33Ry-1714812630829)]

由于篇幅限制，文档的详解资料太全面，细节内容太多，所以只把部分知识点截图出来粗略的介绍，每个小节点里面都有更细化的内容！

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录