标签：池化层 20 stride 卷积 多通道 padding 动手 池化
目录池化层
卷积层对于位置是非常敏感的！
这里用检测垂直边缘作为例子，有的时候卷积对位置太敏感也不是好事，比如拍照的时候手抖之类的，边缘就不会那么整齐，所以有时候我们是需要一定程度的平移不变形的。
池化操作也是使用滑动窗口来取值。
上面实际上是没有padding的，所以大小不一致。其实应该是要padding的，让池化过后的feature_map大小保持不变。
最大池化可以降低卷积对位置敏感信息，比如上图经过池化操作，垂直边缘检测就可以容纳1像素的“错位”。
在多通道上，池化和卷积不一样在于，池化是每个通道做一个池化，但是并不会去做进行通道的融合，而卷积是会进行多通道融合的。（为什么池化层不进行多通道融合呢？因为多通道融合的事情可以交给卷积来做，那么池化层也就没有必要做了）
池化和卷积一样，也有padding和stride这两个超参数，但是不同的是池化层没有需要学习的参数。
最大池化层输出的每个窗口中最强的那个信号。
平均池化层就是输出每个窗口平均的信号强度，有一点点“抹平”的成分。
最大池化层和平均池化层都是非常常用的操作。
代码实现
QA
- 池化层一般都是放在卷积层的后面？可以放在卷积层的前面吗？
一般池化层都是放在卷积层的后面的，因为池化的意义就是为了降低卷积对位置的敏感度，使得像素附近的值都可以弄出来。
- 池化窗口有重叠与没有重叠影响如何？
沐神认为问题不大。
而且现在池化层用的是越来越少，当然这个只是我们还是要讲的。
- 为什么有的padding是一个数，有的padding是一个元组？
如果是一个数的话，表示长和宽都是一样的。如果是一个元组，则表示是分别赋值了不同的长宽。
- 池化层后计算量是不是减少了？
如果stride=2，那么计算量是减少一半的；但是如果加了padding，而且stride=1，那么其实计算量是没有改变的。
所以加了池化后，计算量可能减少，也可能不变。
- 为什么现在池化层用的越来越少了？
池化层的作用：
- stride=2，这样可以减少一半的计算量。
但是其实卷积也可也进行stride=2的操作，所以其实这步可以在卷积中进行替代。
- 减少卷积对位置的敏感度
其实现在我们会对图片大量做数据增强，我们会对图片进行移动，放大，缩小，扰动，使得卷积神经网络本身看到的数据就是有很多变化的，这里也降低了池化层的作用。
但是最后的最后，池化层还有一个作用就是把值变成一个单数字。
标签：池化层,20,stride,卷积,多通道,padding,动手,池化 来源： https://www.cnblogs.com/Rowry/p/15333409.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。