版权声明：感谢阅读，欢迎批评指正。 https://blog.csdn.net/skyejy/article/details/89784826
卷积神经网络
1.池化层
池化：缩小高、长方向上的空间的运算
如图所示是Max池化（Max池化是获取最大值的运算）按步幅2，从2×2的区域中取出最大的元素
一般来说，池化的窗口大小会和步幅设定成相同的值。比如3×3的窗口的步幅会设成3，4×4的窗口的步幅会设成4
除了Max池化以外，还有Average池化等。相对于Max池化是从目标区域中取出最大值，Average池化则是计算目标区域的平均值。
在图像识别领域中，主要使用Max池化。
2.池化层的特征
（1）没有要学习的参数
（2）通道数不发生改变
（3）对微小的位置变化具有鲁棒性（健壮）：输入数据发生微小偏差时，池化仍会返回相同的结果
3.卷积层和池化层的实现
CNN中各层传递的数据是4维数据。比如数据的形状是（10,1,28,28）则它对应10个高28，长28，通道为1的数据。
使用im2col这个便利的函数进行简单的实现。
（im2col是“image to column”的缩写，“从图像到矩阵”的意思）
将滤波器纵向展开为1列，并计算和im2col展开的数据的矩阵乘积，最后转换（reshape）为输出数据的大小
池化层的实现和卷积层相同，都使用im2col展开输入数据，不过，池化的情况下，在通道方向上是独立的。
像这样展开后，只需要对展开的矩阵求各行的最大值，并转换为合适的形状即可。
