1. 池化層的概念

池化是縮小高、長方向上的空間的運算。比如，如圖7-14 所示，進行將 2 × 2 的區域集約成 1 個元素的處理，縮小空間大小。

圖7-14 的例子是按步幅 2 進行 2 × 2 的 Max池化 時的處理順序。Max池化 是獲取最大值的運算，“2 × 2”表示目標區域的大小。如圖所示，從 2 × 2 的區域中取出最大的元素。此外，這個例子中將步幅設為了 2，所以 2 × 2 的窗口的移動間隔為 2 個元素。

另外，一般來說，池化的窗口大小會和步幅設定成相同的值。比如，3 × 3 的窗口的步幅會設為 3，4 × 4 的窗口的步幅會設為 4 等。

除了 Max 池化之外，還有 Average 池化等。相對于 Max 池化是從目標區域中取出最大值，Average 池化則是計算目標區域的平均值。在圖像識別領域，主要使用 Max 池化。

通過池化層的計算，我們也能總結出一個通用公式，用于計算輸入的特征圖經過一輪池化操作后輸出的特征圖的寬度和高度：

其中，

• W 和 H 分別表示特征圖的寬度和高度值；
• 下標 input 表示輸入的特征圖的相關參數；
• 下標 output 表示輸出的特征圖的相關參數；
• 下標 filter 表示滑動窗口的相關參數；
• S 表示滑動窗口的步長，并且輸入的特征圖的深度和滑動窗口的深度保持一致。

2. 池化層的特征

2.1 沒有要學習的參數

池化層和卷積層不同，沒有要學習的參數。池化只是從目標區域中取最大值（或者平均值），所以不存在要學習的參數。

2.2 通道數不發生變化

經過池化運算，輸入數據和輸出數據的通道數不會發生變化。如圖 7-15 所示，計算是按通道獨立進行的。

2.3 對微小的位置變化具有魯棒性（健壯）

輸入數據發生微小偏差時，池化仍會返回相同的結果。因此，池化對輸入數據的微小偏差具有魯棒性。比如，3 × 3 的池化的情況下，如圖7-16 所示，池化會吸收輸入數據的偏差（根據數據的不同，結果有可能不一致）。

總結

以上是生活随笔為你收集整理的机器学习入门（16）— CNN 池化层概念和特征的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。