池化层和卷积层的区别

池化层和卷积层的区别是1.卷积对应有卷积核，池化对应有池化核。卷积核里面有参数，但是池化核只是一个框架，里面没有参数；2.使用方面都需要，定义其大小（size），步长（stride），padding类型；3.卷积里面一般用padding same ；池化里面用padding valid。

1、池化（pooling）层的理解

池化，也即降采样（subsample），降低数据的大小。

池化（pooling）

2、池化方法

常用的池化方法是：最大值池化（max_pooling），平均值池化。其中，最常用的是最大值池化。

3、池化过程

通过使用一个池化核，并采用max_pooling进行池化。

如图所示，池化核的大小是2*2，切记，池化核里面的数值其实是原始图片中的像素值，池化核只是类似于一个模具，里面并没有参数。

进行池化过程，同样需要一个步长（包括高，宽，通道）

使用池化层时，必须定义其大小，步长，padding类型

4、池化作用

…可以减少计算量，内存使用，参数数量（防止过拟合）

…提高神经网络的容错能力（图片发生平移，位置的变动）

5、池化和卷积的异同：

（1）通道方面：池化前几个通道，池化后还是几个通道。

上一层的feature map的个数（也即图层个数）与下一层的卷积和通道数一致。

（2）卷积对应有卷积核，池化对应有池化核。卷积核里面有参数，但是池化核只是一个框架，里面没有参数。

（3）使用方面都需要，定义其大小（size），步长（stride），padding类型。

（4）卷积里面一般用padding same ；池化里面用padding valid

6、卷积中使用“same”模式

目的是为了保证每个像素点都可以扫描到。

输出神经元个数等于输入神经元个数除以步长（向上取整）ceil（13/5）=3

---

最后，推荐我们的管理工具给大家。