目录
一、池化层
- 上面提到了卷积可以识别边缘,(将图像运算转化为了数字运算),但是呢,这种对边缘敏感的特性也不太好,因为需要一定的平移不变性,你图像转一转,我也还是需要识别出来的
- 池化层的双重目的:降低卷积层对位置的敏感性,同时降低对空间降采样表示的敏感性。
2、想用池化解决这个问题,所谓池化,就是找到池子中的最大值,那么为啥可以解决问题?
3、浅浅看一下
4、不需要学习参数,对每个通道都做一次,不做融合
5、有平均的有最大的
6、总结一下,池化层在卷积之后,缓解卷积层的位置敏感性
二、代码实现
三、问题回答
- 池化一般在卷积的后面
- 目前来说,池化的重叠和不重叠影响不大,而且现在重叠用的少了。现在通常用stride+卷积减少数据量,卷积是线性的,池化非线性
- padding=1,前后都补1;padding=(2,3)前补2后补3