一般卷積層的優點：
池化層的優點：
1、鄰域大小受限造成的估計值方差增大。
2、卷積層引數誤差造成估計均值的偏移。
一般來說，平均池化可以減少第一種誤差，更多的保留影象的背景資訊，而最大池化可以降低第二種誤差，更多的保留影象的紋理資訊。總結一下，池化層優點有：
3、不變性，更關注是否存在某些特徵而不是特徵具體的位置。可以看作加了乙個很強的先驗，讓學到的特徵要能容忍一些的變化。（實際上這個容忍能力是非常有限的）
4、減少下一層輸入大小，減少計算量和參數量。
5、獲得定長輸出。（文字分類的時候輸入是不定長的，可以通過池化獲得定長輸出）
6、防止過擬合或有可能會帶來欠擬合。
卷積神經網路中的「池化層」
池化 pooling 是卷積神經網路中另乙個重要的概念，它實際上是一種形式的降取樣。有多種不同形式的非線性池化函式，而其中 最大池化 max pooling 是最為常見的。它是將輸入的影象劃分為若干個矩形區域，對每個子區域輸出最大值。直覺上，這種機制能夠有效地原因在於，在發現乙個特徵之後，它的精確位...
卷積神經網路 池化層
池化層的作用 增加平移不變性 降取樣，即降維 增大感受野 平移的不變性是指當我們對輸入進行少量平移時，經過池化函式後的大多數輸出並不會發生改變。區域性平移不變性是乙個有用的性質，尤其是當我們關心某個特徵是否出現，而不關心它出現的具體位置時。保留主要特徵的同時減少引數和計算量，防止過擬合，提高模型泛化...
卷積神經網路池化層和卷積層作用
個人覺得主要是兩個作用 1.invariance 不變性 這種不變性包括translation 平移 rotation 旋轉 scale 尺度 2.保留主要的特徵同時減少引數 降維，效果類似pca 和計算量，防止過擬合，提高模型泛化能力 1 translation invariance 這裡舉乙個直...