神经网络：池化与过滤器有什么区别？

池化（Pooling） 和 过滤器（Filter） 是卷积神经网络（CNN）中的两种核心操作，它们有不同的目的和机制。具体区别如下：

1. 概念区别

• 池化（Pooling）
  池化是一种降维操作，主要作用是缩小特征图的尺寸，减少计算量，增强模型的平移不变性。

  • 典型操作包括最大池化（Max Pooling）和平均池化（Average Pooling）。
  • 池化窗口的大小和步幅决定了降采样的程度，但它并没有可学习的参数。

• 过滤器（Filter）
  过滤器，也叫卷积核（Kernel），是一组可学习的权重，用于从输入数据中提取特定的特征（如边缘、纹理、形状）。

  • 在卷积操作中，过滤器通过与输入数据的局部区域进行点积运算来提取特征。
  • 过滤器是可学习的参数，其权重会通过反向传播更新。

2. 功能和作用的区别

操作	主要功能	结果变化
池化	降低特征图的分辨率 汇总局部信息（