【深度学习笔记】关于conv和pool的讨论

为什么cony-ayer之后需要加 pooling_layer？

如果只有conv-ayer会怎样？

• 过于执着局部特征学习，忽视全局
  ■ 经过三层cony-ayer3x3fter后
  ■ 我们相当于只用了1层 conv-layer7x7 filter来扫描原图
  （28-7+1=22）
  ■ 对原图整体状态信息学习很少
  ■ 从底层细小局部简单的特征到高层复杂全局性更高的特
  征，推进速度太慢
• 计算量仍旧太大
  pooling layer可以让 parameters数量大幅下降
  为什么使用 pooling layer？
  大幅降低 parameters，降低计算量
  ■ 通过多层conv-ayer，间接用更大的fter扫描原图

为什么使用 pooling layer？

■ 大幅降低 parameters，降低计算量
■ 通过多层 conv-layer，，间接用更大的fter扫描原图

为什么 max pooling要优于 strided convolution和 average_ pooling

strided convolution的弊端

• 跳格平移
  ■ 容易忽视或丢失细节数据
• average pooling的弊端
  ■ 取均值，容易造成稀释特征程度效果的问题

最佳 downsampling的方法组合

• unstrided convolution
• max_pooling

注意点

• 认为max pooling 效果更好，是keras作者实践总结的经验；
• 深度学习是实验科学，最终都要回归到具体的数据和模型设计的实际表现上来判断！！
• 用实验结果说话！！！