深度学习笔记---池化层简单介绍

# 1.池化的基本概念

池化是缩小高、长方向上的空间的运算。下图是Max池化的一个例子，将2*2的区域集约成一个元素。

上述池化过程：按照步幅为2的间隔，依次对每一个2*2的区域取最大值，并将结果存到对应位置。

一般来说，池化窗口的大小会和步幅设为相同的值。

除了Max池化，还有Average池化等。Average池化就是计算目标区域的平均值。但在图像识别领域，主要使用Max池化。

# 2.池化层的特征

1.没有要学习的参数。（池化只是取最大值，所以没有要学习的参数。而卷积层的滤波器和偏置均是要学习的参数）

2.通道数不发生变化。（计算是按通道独立进行的，所以输入数据和输出数据的通道数相同。而卷积层输入数据和输出数据的通道数不一定相同，输入数据的通道数是C，而输出数据的通道数是FN（即滤波器的个数））

3.对微小的位置变化具有鲁棒性（健壮性）。（有时稍微改变一下输入数据，池化后结果仍是和原来一样。因为在对某个区域取最大值时，该最大值在该区域的哪个地方不重要）