2018年10月9日
图像处理池化层pooling和卷积核
摘要： 1、池化层的作用 在卷积神经网络中，卷积层之间往往会加上一个池化层。池化层可以非常有效地缩小参数矩阵的尺寸，从而减少最后全连层中的参数数量。使用池化层即可以加快计算速度也有防止过拟合的作用。 2、为什么max pooling要更常用？ 通常来讲，max-pooling的效果更好，虽然max-pool 阅读全文
posted @ 2018-10-09 15:35 理想几岁 阅读(4028) 评论(0) 推荐(0)