池化层的由来
在深度神经网络中池化层非常普遍，而在传统的神经网络中却很少见，原因是传统的神经网络的输入特征很少，不是太多，深度学习中特别是图像领域输入特征非常多，所以在卷积过程中有必要把主要的特征抽取出来，这就是池化层的由来。
由上图可以看到，每次图片经过池化层之后，有些特征变的突出，而有些特征进行了弱化。所以通过池化层可以通过图像的突出特征定位图像的位置，而不用管具体细节。
池化层的主要分类和作用
-
最大池化
作用是突出重点位置。
-
平均池化
作用是捕捉背景特征。
-
池化层的作用
- 抽取后的参数更少，相当于降维操作。
-
把明显特征抽取出来。
总结
- 输入大小：
- 需要2个超参数：
- 池化层边长
- 步长
- 池化层边长
- 输出大小：
- 参数个数为0
- 不用零填充
