卷積神經(jīng)網(wǎng)絡(luò)pooling層有什么用？池的理論是圖像中相鄰的像素是相關(guān)的。每隔一行采樣一次圖像，仍然可以看到結(jié)果。經(jīng)過(guò)一層卷積后，輸入圖像大小變化不大，但卷積核-1減小。根據(jù)相鄰數(shù)據(jù)的相關(guān)性，在每個(gè)N

卷積神經(jīng)網(wǎng)絡(luò)pooling層有什么用？

池的理論是圖像中相鄰的像素是相關(guān)的。

每隔一行采樣一次圖像，仍然可以看到結(jié)果。經(jīng)過(guò)一層卷積后，輸入圖像大小變化不大，但卷積核-1減小。根據(jù)相鄰數(shù)據(jù)的相關(guān)性，在每個(gè)NxN區(qū)域中，一般為2x2，一個(gè)數(shù)字代表原來(lái)的四個(gè)數(shù)字，這樣可以在不損失太多信息的情況下將數(shù)據(jù)減少四倍。24*24圖像。使用5*5的卷積核卷積，結(jié)果是20*20（每個(gè)-2左右），經(jīng)過(guò)2*2的池化，就變成了10*10。通過(guò)池化，進(jìn)一步縮小了數(shù)據(jù)規(guī)模，減少了訓(xùn)練時(shí)間。

深度學(xué)習(xí)難嗎？

有毅力不難思考，有毅力不難思考，有毅力不難堅(jiān)持

卷積神經(jīng)網(wǎng)絡(luò)（cnn）中為什么要有池化層？

主要有三點(diǎn)：

還有像最大池這樣的非線性變換，可以提高網(wǎng)絡(luò)功能的性能。