B站：啥都会一点的研究生
公众号试读：啥都会一点的研究生
目录
说说什么是池化？
池化通常也称子采样(Subsampling)或降采样(Downsampling)，在构建卷积神经网络时，往往会用在卷积层之后，通过池化来降低卷积层输出的特征维度，有效减少网络参数的同时还可以防止过拟合现象。
池化可以降低图像维度的原因，本质上是因为图像具有一种“静态性”的属性，意思是在一个图像区域有用的特征极有可能在另一个区域同样有用。
为了描述一个大的图像，很直观的想法就是对不同位置的特征进行聚合统计。例如，可以计算图像在固定区域上特征的平均值 (或最大值)来代表这个区域的特征。
说说池化层的作用？
1.invariance(不变性)，这种不变性包括translation(平移)，rotation(旋转)，scale(尺度)。
2.保留主要的特征同时减少参数(降维，效果类似PCA)和计算量，防止过拟合，提高模型泛化能力。
3.减少计算量。做窗口滑动卷积的时候，卷积值代表整个窗口的特征。因为滑动的窗口间有大量重叠
原文链接：https://blog.csdn.net/zzh516451964zzh/article/details/123323852?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522171851498716800197052943%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=171851498716800197052943&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-22-123323852-null-null.nonecase&utm_term=AI%E9%9D%A2%E8%AF%95
