卷积神经网络之池化操作

池化的作用：

1、降低特征响应图组中每个特征响应图的宽度和高度，减少后续卷积层的参数的数量，降低计算资源耗 费，进而控制过拟合

2、可以把图变小，从而扩大视野范围，也就是我们通常说的扩大感受野

常见的池化操作：

最大池化——使用区域内的最大值来代表这个区域；

平均池化——采用区域内所有值的均值作为代表。

池化层的超参数：池化窗口和池化步长。

也就是说，池化层只改变输出的尺寸，不会改变输出的深度，也就是输出的通道数。

池化的计算跟padding=0的卷积一样，输出尺寸 =（ 输入尺寸 - 池化窗口尺寸）/  池化步长 + 1。