零基础机器学习-----tensorflow里池化Pooling详解

池化Pooling

1. max-pooling
2. mean-Pooling（平均池化）
3. stochastic-pooling（随机池化）
   
   如图最常见的是，步长为二的窗口
   我们一起来看图片中的左上角，1、8、7、1的最大值为8，故而，池化后的值，选取最大值为8
   同样道理，以下方的蓝色四个值，1、8、7、1，他们四个的平均值为4.25
   所以说，池化可以理解为进一步提取特征（在卷积之后），减少特征的数量
   池化的特性：

平移不变性

如图，无论2在哪个位置，池化之后，2还是2，这叫平移不变性

其实，卷积和池化都叫特征提取，下面介绍两种padding

如图，上图是两个pading的不同方式，一个需要补零，一个不会超过图片的外部。