以滑窗的方式+max_pooling的方式进行重要特征抽取。

背景介绍在常见的卷积神经网络中，采样几乎无处不在，以前是max_pooling，现在是strided卷积。

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达背景介绍在常见的卷积神经网络中，采样几乎无处不在，以前是max_pooling，现在是strided卷积。

/usr/bin/envpython2#-*-coding:utf8-*-importnumpyasnpdefmax_pooling(feature_map,size=2,stride=2):"""max_pooling

Pooling有很多种，max_Pooling,avg_Pooling,min_Pooling等。常用的还是max_Pooling:取同维度的最大值。

DynamicRoutingBetweenCapsules2018年11月18日14:39https://github.com/ageron/handson-ml屏幕剪辑的捕获时间:2018/11/1814:43C类似于max_pooling

《土豆笔记之反向求导细节系列》Pooling池化层的反向求导细节前言这个系列主要是对深度学习中常见的各种层的反向求导细节进行学习和介绍，并且辅以代码予以理解，本章介绍的是池化层，包括有max_pooling

原文地址图3（图3中大的网格相当于2中7x7一共49个中的一个）将大的网格均分为2x2的网格，取每个小格子的中心点，如图中红叉，中心点的值通过双线性插值来求解，这样就得到了4个值，然后对这4个值做max_pooling

96个，stride(步长)=4，而输出大小=（输入大小(224)-卷积核(11)+padding）/stride+1=55;参数数目=31111962.第二层卷积是：55的卷积核一共256个3.第二层max_pooling

参考1：https://www.zhihu.com/question/34898241参考2：http://ufldl.stanford.edu/wiki/index.php/池化1、池化的不变形  如果人们选择图像中的连续范围作为池化区域，并且只是池化相同(重复)的隐藏单元产生的特征（这个地方不是很理解，什么叫只是池化相同的隐藏单元产生的特征），那么，这些池化单元就具有平移不变性(transla

PointNet在实际搭建网络结构时，其实是将N×3N×3的点云当作图片处理，即height=N，width=3。作者对其搭建网络所用到的各种层进行了二次封装，存放于tf_util.py中。本文主要对常用到的conv2D，fc，max_pool源码进行分析。def_variable_with_weight_decay(name,shape,stddev,wd,use_xavier=True):""

的单通道图片，其输入shape为[batch_size,28,28,1];第一层卷积为32个5*5卷积核，其shape为[5,5,1,32]，其步长strides为[1,1,1,1]，紧接着是第一层的2*2的max_pooling