学习日志整理1：神经网络改进方案——GAP层

0.GAP是什么

GAP就是global average pooling，全局平均池化。

1.GAP的用途

替换掉密集的全连接层，减小参数量，减小模型大小，同时防止过拟合

2.GAP工作原理

gap的工作原理在众多网络优化算法中算是好理解的，一张图看懂。

2.0浅析GAP工作原理

图源：

https://www.jianshu.com/p/510072fc9c62

“global pooling”就是pooling的 滑窗size 和整张feature map的size一样大。这样，每个 W×H×C的feature map输入就会被转化为 1×1×C输出。

说白了，就是FC层之前的最后一张feature map里，每个通道只 “浓缩” 出一个值就行了。浓缩的方式分为取最大（global max pooling）和取平均（global average pooling）两种，GAP就是后者，在每个图上取所有元素的平均。

2.1.不采用GAP可能出现的问题

B站这个视频讲的比较直观，以下截图出自于此：

https://www.bilibili.com/video/av90135326/

如果采用一堆全连接层加在conv和pooling屁股后面是这样的：

缺点：
（1）模型的参数量很大，很难移植到受内存约束的应用场景上（FPGA，树