动手深度学习笔记（三十五）6.5. 汇聚层
动手深度学习笔记（三十五）6.5. 汇聚层
- 6. 卷积神经网络
- 6.5. 汇聚层
- 6.5.1. 最大汇聚层和平均汇聚层
- 6.5.2. 填充和步幅
- 6.5.3. 多个通道
- 6.5.4. 小结
- 6.5.5. 练习
6. 卷积神经网络
6.5. 汇聚层
通常当我们处理图像时，我们希望逐渐降低隐藏表示的空间分辨率、聚集信息，这样随着我们在神经网络中层叠的上升，每个神经元对其敏感的感受野（输入）就越大。
而我们的机器学习任务通常会跟全局图像的问题有关（例如，“图像是否包含一只猫呢？”），所以我们最后一层的神经元应该对整个输入的全局敏感。通过逐渐聚合信息，生成越来越粗糙的映射，最终实现学习全局表示的目标，同时将卷积图层的所有优势保留在中间层。
此外，当检测较底层的特征时（例如 6.2节中所讨论的边缘），我们通常希望这些特征保持某
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！