吴恩达神经网络和深度学习-学习笔记-31-池化层

池化层的作用：

• 缩减模型的大小，提高运算速度
• 提高所提取特征的鲁棒性

池化层只是计算神经网络某一层的静态属性，没有需要学习的参数。

最大池化

最大池化的实际作用就是：
如果在过滤器中提取到某个特征，那么保留其最大值。如果没有提取到这个特征，可能相应部分不存在这个特征。

必须承认，人们使用最大池化的主要原因是其在很多试验中效果都很好。尽管刚刚描述的直观理解经常被引用，I don’t know if anyone fully knows if that’s the real underlined reason that max pooling works well in confidence.

其中一个有意思的特点是：它有一组超参数，但是没有参数需要学习。

计算池化层输出维度的公式与卷积层一致

另外，大部分情况下，MaxPooling很少用到Padding。

平均池化

在神经网络中，最大池化要比平均池化用的更多。

小结

上图有两个重点：

• 输出维度的计算。
• 不用Padding，没有需要更新的参数。