根據前面的卷積過程，我們可以達到特徵提取的作用。基本上已經判斷出誰是c誰是d。底下可以再進一步做一次池化。資料庫連線池記得吧？把很多資料庫連線放在乙個池子裡，想用時挑乙個來用。這裡做完卷積得到這麼多資料，就像池子一樣，對於這池子裡的資料，我們可以繼續做各種各樣的操作，比如最大池化或平均池化。最大池化顧名思義就是從池子中取出最大值。注意取最大值，不是整體取最大值，而是鄰域取最大值。結果就如下圖，第乙個區域(只有四個數)的最大值是5，第二個區域的最大值是1。以此類推。
經歷了以上兩步卷積和池化以後，我們得到的結果，真是太好不過了。首先，經過卷積，也就是特徵提取，我們成功的得到了結果5。這個值越大，就說明特徵越突出，越能增加最後判斷結果的正確性。第二步池化，還能把不是特徵的部分丟棄，起到去燥的效果，還為我們將來。。。。。。。。。。。。。。。。。。
更多請見：
池化的名字由何而來？
根據前面的卷積過程，我們可以達到特徵提取的作用。基本上已經判斷出誰是c誰是d。底下可以再進一步做一次池化。資料庫連線池記得吧？把很多資料庫連線放在乙個池子裡，想用時挑乙個來用。這裡做完卷積得到這麼多資料，就像池子一樣，對於這池子裡的資料，我們可以繼續做各種各樣的操作，比如最大池化或平均池化。最大池化...
C 實現的多階幻方，由C改動而來
using system namespace cs.jq public magicsquare int n public void cal 奇數階幻方採用siamese 構造方法 private void oddcreate value 4k階幻方採用?如下方法 一次填充1 n n，並將每個4x4小...
池化選擇 全域性最大池化和全域性平均池化的實驗分析
類響應圖示例 圖中高亮區域就是根據label的注意圖高響應區域 具體得到的這個相應區的方法是 1 訓練主幹網路得到特徵圖 2 進行全域性池化 圖中用的gap，也可以使用gmp 3 對全域性池化的結果做全連線得到全連線引數 w 4 把全連線引數作為權重對特徵圖進行加權求和 上圖最下方的公式 根據對影象...