1. 池化层的概念

池化是缩小高、长方向上的空间的运算。比如，如图7-14 所示，进行将 2 × 2 的区域集约成 1 个元素的处理，缩小空间大小。

图7-14 的例子是按步幅 2 进行 2 × 2 的 Max池化 时的处理顺序。Max池化 是获取最大值的运算，“2 × 2”表示目标区域的大小。如图所示，从 2 × 2 的区域中取出最大的元素。此外，这个例子中将步幅设为了 2，所以 2 × 2 的窗口的移动间隔为 2 个元素。

另外，一般来说，池化的窗口大小会和步幅设定成相同的值。比如，3 × 3 的窗口的步幅会设为 3，4 × 4 的窗口的步幅会设为 4 等。

除了 Max 池化之外，还有 Average 池化等。相对于 Max 池化是从目标区域中取出最大值，Average 池化则是计算目标区域的平均值。在图像识别领域，主要使用 Max 池化。

通过池化层的计算，我们也能总结出一个通用公式，用于计算输入的特征图经过一轮池化操作后输出的特征图的宽度和高度：

其中，

W 和 H 分别表示特征图的宽度和高度值；
下标 input 表示输入的特征图的相关参数；
下标 output 表示输出的特征图的相关参数；
下标 filter 表示滑动窗口的相关参数；
S 表示滑动窗口的步长，并且输入的特征图的深度和滑动窗口的深度保持一致。

2. 池化层的特征

2.1 没有要学习的参数

池化层和卷积层不同，没有要学习的参数。池化只是从目标区域中取最大值（或者平均值），所以不存在要学习的参数。

2.2 通道数不发生变化

经过池化运算，输入数据和输出数据的通道数不会发生变化。如图 7-15 所示，计算是按通道独立进行的。

2.3 对微小的位置变化具有鲁棒性（健壮）

输入数据发生微小偏差时，池化仍会返回相同的结果。因此，池化对输入数据的微小偏差具有鲁棒性。比如，3 × 3 的池化的情况下，如图7-16 所示，池化会吸收输入数据的偏差（根据数据的不同，结果有可能不一致）。

机器学习入门（16）— CNN 池化层概念和特征相关推荐

cnn池化层输入通道数_（pytorch-深度学习系列）CNN中的池化层-学习笔记
CNN中的池化层首先,池化(pooling)层的提出是为了缓解卷积层对位置的过度敏感性. 什么意思? 比如在图像边缘检测问题中,实际图像里,我们的目标物体不会总出现在固定位置,即使我们连续拍摄同一个 ...
深度学习入门 (九)：卷积层和池化层的实现
目录卷积神经网络 CNN 整体结构卷积层全连接层存在的问题卷积运算乘积累加运算偏置填充 (padding) 步幅 (stride) 小结:卷积层的输出特征图的大小 3 维数据的卷积运算 ...
cs231n-(7)卷积神经网络：架构，卷积层/池化层
架构总览常用的层卷积层概述池化层归一化层全连接层全连接层转为卷积层卷积网络架构层模式层大小设计模式实例计算资源考虑额外资源卷积神经网络和普通神经网络非常类似.卷积神经网络由 ...
卷积神经网络(卷积层，激活函数Relu,池化层，计算公式及API解释)
1. 卷积神经网络 (卷积层,激活函数,池化层,全连接层) (1) 把神经网络的隐藏层分为卷积层和池化层(又叫下采样层) · 卷积层 : 通过在原始图像上平移来提取特征 · 池化层 : 通过特征 ...
池化层、感受野、空洞卷积、反卷积
池化层在卷积神经网络中,连续几个卷积层接连在一起,称为卷积模块,随着卷积层增加,参数总数也相应增加,为了减少后续卷积层的参数,在卷积层之间加入池化层,提取抽象特征.池化核在输入上滑动,并通过函数对局 ...
卷积神经网络中卷积层、池化层、全连接层的作用
1. 卷积层的作用卷积层的作用是提取输入图片中的信息,这些信息被称为图像特征,这些特征是由图像中的每个像素通过组合或者独立的方式所体现,比如图片的纹理特征,颜色特征. 比如下面这张图片,蓝色框框住的 ...
机器学习入门（18）— 卷积网络中的池化层实现
1. 池化层实现池化层的实现和卷积层相同,都使用 im2col 展开输入数据.不过,池化的情况下,在通道方向上是独立的,这一点和卷积层不同.具体地讲,如图 7-21 所示,池化的应用区域按通道单独展 ...
pytorch 入门：GPU加速，卷积层，池化层
GPU 加速深度学习设计很多向量和多矩阵运算,比如BP , CNN 等深层模型都可以写成矩阵运算的格式,不用写成循环运算.但是CPU 上矩阵的运算会被展成循环的形式,CPU 是串行执行的.而GPU ...
（pytorch-深度学习系列）CNN中的池化层-学习笔记
CNN中的池化层首先,池化(pooling)层的提出是为了缓解卷积层对位置的过度敏感性. 什么意思? 比如在图像边缘检测问题中,实际图像里,我们的目标物体不会总出现在固定位置,即使我们连续拍摄同一个 ...

机器学习入门（16）— CNN 池化层概念和特征