神经网络之池化层(原理(单通道、多通道),特点)
池化操作详解,包括单通道、多通道原理示意图、池化操作输入输出尺寸等
·
1、池化
池化:通过池化可以降低卷积层输出特征的维度,有效减少缩减模型的大小,提高计算速度。
池化分为最大池化和平均池化。
2、单通道输入池化和多通道输入池化
以最大池化为例说明单通道池化和多通道池化的过程。
单通道池化:
当设定池化层的超参数f=2,s=2时,通过池化操作可以将输入缩小为原来的一半,如下图所示:

多通道池化:

注意:和卷积不同,池化操作不会改变通道数。即假设输入是,则输出的通道数是
。
3、池化的特点
1、只有两个超参数,f 和 s, 没有需要通过梯度下降法调整的参数。一般设定f = 2, s = 2; 或者f = 3, s = 2,s 表示步长。
超参数即人为设定的参数,与之相对的是需要通过梯度下降法调整的参数(例如卷积层中的卷积核)。
2、池化有两种方式,最大池化和平均池化。以单通道为例,平均池化过程如下:

3、池化操作输入输出尺寸:
更多推荐



所有评论(0)