《深度学习:卷积神经网络从入门到精通》——2.11 池化面计算

举报
华章计算机 发表于 2019/06/05 23:46:22 2019/06/05
【摘要】 本书摘自《深度学习:卷积神经网络从入门到精通》——书中第2章,第2.11节,作者是李玉鑑、张婷、单传辉、刘兆英等。

2.11 池化面计算

在卷积神经网络中,下采样过程又称为池化过程。相应地,平均下采样和最大下采样又分别称为平均池化和最大池化。池化面的输入既可以是卷积面,也可以是池化面。如果输入的是卷积面C,并对其进行块大小为λ×τ的不重叠下采样,那么平均池化面和最大池化面的计算过程可分别表示为图2.7a和图2.7b,或直接用公式表示:

image.png(2.91)

                                        ( 2.92)

从图2.7不难看出,卷积面经过池化后规模将变小。对不重叠的平均池化和最大池化,池化面将缩小为卷积面的1/(λμ)。如果输入的是一组卷积面,则分别对每个面进行不重叠下采样,相应地可以得到一组下采样面,计算过程如图2.8所示。注意:池化面H也可以再进行池化,产生下一个池化面。

image.png

图2.8 池化面按组计算的简化表示


【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。