版權(quán)聲明：本文為博主原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接和本聲明。 本文鏈接：https://blog.csdn.net/bobo_jiang/article/details/79080379

         <!--一個(gè)博主專欄付費(fèi)入口結(jié)束--><link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-4a3473df85.css"><link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/template/css/ck_htmledit_views-4a3473df85.css"><div class="htmledit_views" id="content_views">

各位看官老爺們

好久不見(jiàn)

這里是波波給大家?guī)?lái)的CNN卷積神經(jīng)網(wǎng)絡(luò)入門講解

每周我將給大家?guī)?lái)絕對(duì)原創(chuàng)，腦洞大開(kāi)，幽默風(fēng)趣的深度學(xué)習(xí)知識(shí)點(diǎn)入門講解

希望大家多多支持，多多關(guān)注

微信公眾號(hào)：follow_bobo

知乎：蔣竺波

今天是平安夜，希望大家未來(lái)的日子里平平安安

今年第一次圣誕節(jié)在新加坡過(guò)

先讓我們來(lái)看看新加坡的圣誕

看看就好了

上一次我們講到哪了

嗯，對(duì)了，講到卷積輸出了，輸出的特征圖（feature map）到了采樣（pooling，有些也叫subsample）層手上，

采樣層實(shí)際上就是一個(gè)特征選擇的過(guò)程

假設(shè)我們用邊緣濾波器去卷積輸入圖片，得到的特征值矩陣如下：

其實(shí)采樣層(pooling)非常好理解，我們這里特指maxpooling

什么是maxpooling 呢

實(shí)際操作就是在四個(gè)方格里選最大的那個(gè)，對(duì)，就是9

這個(gè)矩陣就是特征圖

數(shù)字的含義，你可以理解為能代表這個(gè)特征的程度

比如上一層卷積層的卷積核或者說(shuō)過(guò)濾器是邊緣過(guò)濾器

9的意思就代表在這個(gè)區(qū)域，這一塊部位最符合邊緣特征

Maxpooling 就是在這個(gè)區(qū)域內(nèi)選出最能代表邊緣的值，也就是9，然后丟掉那些沒(méi)多大用的信息

為什么要這么做

舉個(gè)例子

下面四個(gè)美女，如果非要你選，你娶誰(shuí)

你肯定會(huì)選最漂亮的（最符合的特征）

其他的你會(huì)想要嗎？

不想了吧

我相信這個(gè)選擇應(yīng)該有標(biāo)準(zhǔn)答案了，如果你選的不是標(biāo)準(zhǔn)答案

不好意思

這位同學(xué)，我教不了你，你不用往下看了

‘那個(gè)，我要是想把4個(gè)都娶了呢’（不做maxpooling）

這位同學(xué)，要求挺多啊

首先你娶回4個(gè)，她們會(huì)各種勾心斗角，讓你崩潰（overfitting）

然后你會(huì)有巨大的經(jīng)濟(jì)壓力，身體也吃不消（參數(shù)過(guò)多導(dǎo)致運(yùn)算量大）

最后可能還會(huì)難以平衡婆（上一次卷積層）媳或者母子（下一層卷積層）關(guān)系（無(wú)法滿足模型結(jié)構(gòu)需求）

現(xiàn)在，你還想娶4個(gè)嗎

池化是怎么進(jìn)行的呢

非常類似卷積層的卷積核

你就可以理解為卷積核每空兩格做一次卷積，卷積核的大小是2x2， 但是卷積核的作用是取這個(gè)核里面最大的值（即特征最明顯的值），而不是做卷積運(yùn)算

池化層還有什么性質(zhì)

它可以一定程度提高空間不變性，比如說(shuō)平移不變性，尺度不變性，形變不變性

對(duì)，一定程度上

為什么會(huì)有空間不變性呢

因?yàn)樯弦粚泳矸e本身就是對(duì)圖像一個(gè)區(qū)域一個(gè)區(qū)域去卷積

因此對(duì)于CNN來(lái)說(shuō)

重要是單獨(dú)區(qū)域的特征，以及特征之間的相對(duì)位置（而不是絕對(duì)位置）

圖像細(xì)微的變換

經(jīng)過(guò)卷積，maxpooling之后，輸出結(jié)果和原來(lái)差別可能不算大，或者沒(méi)有差別

比如平移不變性（translation invariant）

意思就是圖像經(jīng)過(guò)一個(gè)小小的平移之后，依然產(chǎn)生相同的池化特征

這個(gè)小小的平移要注意了

這個(gè)平移是在你的池化矩陣的范圍

對(duì)于單個(gè)像素，有8個(gè)變換的方向（上、下、左、右、左上、左下、右上、右下），如果最大層是在2*2的窗口上面實(shí)現(xiàn)，這8個(gè)可能的配置中，有3個(gè)可以準(zhǔn)確的產(chǎn)生和平移前相同的結(jié)果（filter size 2x2）

說(shuō)明魯棒性還行

為什么我們想要平移不變性

舉個(gè)例子：

‘2’的位置發(fā)生了變化，我們?nèi)匀幌Ｍ诸惼髂苷_分別出他們

Pooling 層說(shuō)到底還是一個(gè)特征選擇，信息過(guò)濾的過(guò)程，也就是說(shuō)我們損失了一部分信息，這是一個(gè)和計(jì)算性能的一個(gè)妥協(xié)，隨著運(yùn)算速度的不斷提高，我覺(jué)得這個(gè)妥協(xié)會(huì)越來(lái)越小。

現(xiàn)在有些網(wǎng)絡(luò)都開(kāi)始少用或者不用pooling層了

關(guān)于，average pooling

實(shí)際上就是把filter 里面的所以值求一個(gè)平均值

特征提取的誤差主要來(lái)自兩個(gè)方面：

（1）鄰域大小受限；

（2）卷積層權(quán)值參數(shù)誤差。

目前主流上對(duì)于average pooling 和max-pooling 的主要區(qū)別在于

average -pooling能減小第一種誤差，更多的保留圖像的背景信

max-pooling能減小第二種誤差，更多的保留紋理信息

平安夜還看我的教程的

多半是單身狗

當(dāng)然，平安夜寫教程的，多半也是

那么

祝點(diǎn)贊的各位，女朋友長(zhǎng)得和里面最漂亮的一樣

總結(jié)

以上是生活随笔為你收集整理的什么是采样层（pooling）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。