对CNN中池化层的理解

14.为什么要引入池化层？

例如一张图片中，有天空。天空那一大片区域颜色是很接近的。用卷积层提取出的局部特征也很相近。这样的话会造成特征信息的冗余。带来计算量大的问题。

如何将冗余的信息删除，那就要用到池化层。
池化层的作用主要是：为了提高重要的特征信息，压缩特征，降低计算量，缓解过拟合的情况。

池化有最大池化和最小池化（其中最小池化自己根据最大池化进行改编得到）

最大池化认为每个窗口中值越大，越重要，然后提前了最大值。
如果你认为特征值越小越重要（具体做法，所有数据乘以负一，然后选择最大的值，将提取出的所有特征再乘以负一。看着过程比较繁琐，为什么不直接去最小值呢，因为TensorFlow中没有最小池化的概念）这就是最小池化。
如果想综合考虑所有的特征，可以选择平均池化还有其他那种取中值的，这些是没有现成的API，得自己写哦哦！

实际上，最大和最小池化用的不多，想用其他的池化，没有现成的API，可以选择用已有的，把它们做个组合，得到自己想要的池化API。