作用：
下采样，减少参数量，可以防止过拟合加快计算速度
类别：
平均池化：计算每个patch均值传递给下一层。反向传播时将值分为n为传递给前一层，以保证其传递梯度和不变。
最大池化：计算每个patch最大值传递给下一层。反向传播时直接将值传递给前一层，其余部分为0.
池化在深度学习中起到下采样作用，能够减少模型参数，防止过拟合并提升计算效率。主要类型包括平均池化和最大池化。平均池化通过计算每个区域的均值作为输出，反向传播时将值平均分配；最大池化取每个区域的最大值，反向传播时只保留最大值，其余设为0。
537
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
