神经网络之池化层（原理（单通道、多通道），特点）

1、池化

池化：通过池化可以降低卷积层输出特征的维度，有效减少缩减模型的大小，提高计算速度。

池化分为最大池化和平均池化。

2、单通道输入池化和多通道输入池化

以最大池化为例说明单通道池化和多通道池化的过程。

单通道池化：

当设定池化层的超参数f=2，s=2时，通过池化操作可以将输入缩小为原来的一半，如下图所示：

多通道池化：

 注意：和卷积不同，池化操作不会改变通道数。即假设输入是，则输出的通道数是

。

3、池化的特点

1、只有两个超参数，f 和 s, 没有需要通过梯度下降法调整的参数。一般设定f = 2, s = 2; 或者f = 3, s = 2，s 表示步长。

超参数即人为设定的参数，与之相对的是需要通过梯度下降法调整的参数（例如卷积层中的卷积核）。

2、池化有两种方式，最大池化和平均池化。以单通道为例，平均池化过程如下：

3、池化操作输入输出尺寸：