9、现代神经网络：卷积神经网络与训练优化

现代神经网络：卷积神经网络与训练优化

1. 池化层

池化层是控制数据维度的轻量级解决方案，其超参数与卷积层类似，但没有可训练的内核。通过填充和步幅参数，可以控制结果张量的维度。

1.1 TensorFlow/Keras 方法

tf.nn 包中提供了 tf.nn.max_pool() 和 tf.nn.avg_pool() 函数，其签名与 tf.nn.conv2d() 类似：
- value ：形状为 (B, H, W, D) 的输入图像批次，其中 B 是批次大小。
- ksize ：四个整数的列表，表示每个维度的窗口大小，通常使用 [1, k, k, 1] 。
- strides ：四个整数的列表，表示批处理输入每个维度的步幅。
- padding ：定义使用哪种填充算法的字符串（ VALID 或 SAME ）。
- name ：标识此操作的名称。

也可以使用更高级的 API 进行实例化：

avg_pool = tf.keras.layers.AvgPool2D(pool_size=k, strides=[s, s]