最大池化层:
、计算最大值和记录最大值所在输入数据中的位置
、缩减模型的大小
、提高计算速度
、减少无用信息的影响
、提高所提取特征的鲁棒性(最大值)
计算池化层
卷积层输出大小的公式同样适用于最大池化,(n+2p-f)/s+1
(input_width + 2*padding - pool_size)/stride+1
平均池化与最大池化区别:
前向传播中计算pool区域内的最大值并记录该最大值所在输入数据中的位置,为了在反向传播中,需要把梯度值传到对应最大值的位置置。而且反向传播也就是把梯度值直接传给前一层某一个像素,而其他像素不接受梯度,也就是为0。所以max pooling操作和mean pooling操作不同点在于需要记录下池化操作时到底哪个像素的值是最大,也就是max id,这个变量就是记录最大值所在位置的,因为在反向传播中要用到。