池化层的作用

池化层的作用

在卷积神经网络中常常会在相邻的卷积层中间加入池化层，池化层可以有效缩小参数矩阵的尺寸，从而减少参数数量，所以加入池化层可以加快计算速度和防止过拟合。
列举一下的话可以有：

1. 完成下采样
2. 去除冗余信息，对特征进行压缩，降低网络复杂度
3. 实现非线性
4. 扩大感受野
   池化一般有最大池化和平均池化，最大池化适用于过滤掉比较多无用信息的场景，比如网络浅层通常会比较多无用信息；而平均池化适用于整体都是有用信息时取一个平均，比如网络深层一般都是重要信息。
   在 PyTorch 中还有一个自适应池化（既有最大也有平均），可以方便控制输出特征图的尺寸。