如何理解卷積神經(jīng)網(wǎng)絡中的卷積和池化？讓我們談談我們的理解。池：用最大值或平均值替換大量數(shù)據(jù)。目的是減少數(shù)據(jù)量。卷積：通過卷積內核將數(shù)據(jù)轉換為特征，便于以后分離。計算方法與信號系統(tǒng)相同。池化為什么使用平

如何理解卷積神經(jīng)網(wǎng)絡中的卷積和池化？

讓我們談談我們的理解。

池：用最大值或平均值替換大量數(shù)據(jù)。目的是減少數(shù)據(jù)量。

卷積：通過卷積內核將數(shù)據(jù)轉換為特征，便于以后分離。計算方法與信號系統(tǒng)相同。

池化為什么使用平均或者最大，而不是用最小池化？

這是個好問題。與卷積層一樣，池化層每次計算輸入數(shù)據(jù)的固定形狀窗口（稱為池化窗口）中元素的輸出。與卷積層?計算輸出和內核之間的互相關不同，池化層直接計算池化窗口中元素的最大值或平均值。此操作也分別稱為最大池或平均池。在?維度最大的?池中，池窗口從輸入?數(shù)組的左上角?開始，并在輸入?數(shù)組上從左到右和從上到下滑動。當池窗口滑動到某個位置時，窗口中輸入??數(shù)組的最大值，即輸出數(shù)組中相應位置的元素，為最大池；平均值為平均池。

最大池的意義是找到區(qū)域中最突出的特征；最小池是找到最不明顯的特征，可用于圖像去噪、模糊等應用。