深度学习 – 卷积神经网络:池化层

池化层的作用是将经过卷积、激活函数处理后的图像进行采样,缩小到更小的尺寸。池化可以压缩数据和参数数量,减小过拟合,提高模型的容错性。

池化的步骤如下:

  • 确定窗口大小(通常为2或3)
  • 选择一个步幅(通常是2)
  • 窗口按步幅在图像中移动
  • 从每个窗口中取最大值

让我们用一个例子来说明。执行池化的窗口大小为2,步幅也为2。

图

在本例中,我们将窗口大小设为2,窗口将从图像中选择4个值。从这四个值中,最大值是1,所以选1。另外注意,一开始用的是7×7矩阵,池化后变成了4×4矩阵。

我们需要对整个图像重复这个过程,在整个图像中移动窗口,从每个窗口中取最大值。

图

上面处理了一个过滤器,我们还需要对另外两个过滤器进行同样处理。完成后,我们得到以下结果:

图

池化层部分结束了。接下来,我们需要将所有这些层连接起来!



浙ICP备17015664号 浙公网安备 33011002012336号 联系我们 网站地图  
@2019 qikegu.com 版权所有,禁止转载