池化层¶
池化层（Pooling Layer）是卷积神经网络（CNN）中的一种重要操作，用于降低特征图的空间尺寸、减少参数量和计算量，同时提取主要特征。它通常紧跟在卷积层之后。
池化的主要动机是见效特征图的空间尺寸，从而减少后续的参数数量和计算量，同时也能增强模型的鲁棒性。
池化函数使用某一位置的相邻输出的总体统计特征来代替网络在该位置的输出。因此，池化操作能带来平移不性。
作用¶
- 下采样（降维）：减小特征图宽度和高度，但保持通道数不变。
- 减少计算量：降低后续卷积或全连接层的计算开销。
- 增强平移不变性：对小的平移、旋转或形变不敏感。
- 防止过拟合：通过减少参数，降低模型过拟合风险。
常见方式¶
最大池化¶
返回矩形领域内的最大值。
平均池化¶
计算矩形领域内的平均值。