知识卡片
最大池化层
最大池化层位于连续卷积层之间,作用是压缩激活图的宽高,使网络在保留提取出的特征、增加特征深度的同时,逐步把空间尺寸降下来,最终得到高度压缩的特征向量。它有两个主要参数:核大小与跨步。池化同样在上一层激活图上滑动一个窗口(核),核在每次滑动时比较其覆盖的所有值,只保留最大值作为该位置的输出;最常用的核是 2×2,用更大的核会造成层间信息大量丢失。跨步则决定核每次跳多少像素,2×2 核配跨步 2 是最常见配置,能把 4×4 激活图减半。它不含可学习权重,只做下采样,却能扩大后续神经元的感受野并抑制噪声,与 [[全连接层与展开]] 一起完成从特征到分类的衔接。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- CNN 架构 CNN 的架构与各层 · 查看原书依据
最大池化层具有两个主要参数-核大小和跨步。 最大池化还在其连接到的上一层的激活图上滑动一个窗口。 该窗口通常称为核。 核在任何幻灯片上的工作都是比较核所覆盖的值,并且仅保留最大值作为该位置的输出。 最常用的核大小是2 x 2。使用超出此大小的核大小会导致各层之间的信息大量丢失。
参考来源
- 位置:《Python深度学习架构实用指南(初译)》第04章《CNN 架构》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/08.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文说明核只保留最大值、常用 2×2 且过大会丢失信息,支撑最大池化降宽高且需适度配置的结论。
- 原始内容:最大池化层具有两个主要参数-核大小和跨步。 最大池化还在其连接到的上一层的激活图上滑动一个窗口。 该窗口通常称为核。 核在任何幻灯片上的工作都是比较核所覆盖的值,并且仅保留最大值作为该位置的输出。 最常用的核大小是2 x 2。使用超出此大小的核大小会导致各层之间的信息大量丢失。