CNN(卷积神经网络)基础知识-池化

池化过程一般在卷积过程之后，池化的本质其实就是对输入的特征图进行采样，以某种方式进行降维压缩，来加快运算速度。

池化的种类分为最大池化和平均池化。

池化的作用有：

1. 在保留特征的同时减少计算量和参数数量，防止过拟合。
2. 不变性：包括平移、旋转、尺度。

总之池化就是在信息完整度和计算速度之间的协调。