池化层:
ConvNet通常使用池化层减少展示量,提高计算速度,并使一些特征的检测功能更强大。
老规矩,举个例子:
Pooling layer : Max pooling
4X4的输入,经过池化层之后,得到了2X2的输出。
这里池化层的参数是:f = 2 , s = 2 .
什么意思呢,就是池化层的大小是2X2 的,步长是2 , 规则是MAX , 那么首先得到的第一个数就是1329中的最大值9,然后移动两步,得到2111中的最大值2,再移动两步得到1356中的最大值6,再移动两步得到2312中的最大值3,因此我们得到的输出就是9263这样一个2X2的矩阵。
残差网络ResNet:
层的主干路径:
a[l] ----- linear ----- ReLU --a[l+1]-- linear ----- ReLU ----- a[l+2]
linear : z[l+1] = W[l+1] a[l] + b[l+1]
ReLU : a[l+1] = g(z[l+1])
linear : z[l+2] = W[l+2] a[l+1] + b[l+2]
ReLU : a[l+2] = g(z[l+2])
上面是正常的流程。
现在将a[l] 直接放到第二个ReLU之前,那么最后的ReLU变成了:
ReLU : a[l+2] = g(z[l+2] + a[l] )
此过程的术语为快捷路径(shortcut)或跳跃连接(skip connection)