目录

一、概述

二、池化分类

1、Max Pooling：最大池化

2、Average Pooling：平均池化 

三、池化作用

1.、invariance(不变性)，

2、降维度

3、增大感受野

4、获得定长输出。

5、防止过拟合或有可能会带来欠拟合。

6、减小计算量和内存消耗

7、非线性和鲁棒性

8、聚合特征

9、下采样（downsamping）

     池化（Pooling）：也称为欠采样或下采样。主要用于特征降维，压缩数据和参数的数量，减小过拟合，同时提高模型的容错性。

       上图就是一个池化的示意图，用了一个10*10的卷积核，对20*20的图像分块不重叠的进行了池化，池化之后featuremap为2*2的大小。

　　Max Pooling：选取最大的，我们定义一个空间邻域（比如，2*2的窗口），并从窗口内的修正特征图中取出最大的元素，最大池化被证明效果更好一些。

　　Average Pooling：平均的，我们定义一个空间邻域（比如，2*2的窗口），并从窗口内的修正特征图中算出平均值。

     这种不变性包括translation(平移)，rotation(旋转)，scale(尺度)。

    降低优化难度和参数。保留主要的特征同时减少参数(降维，效果类似PCA)和计算量，防止过拟合，提高模型泛化能力。

    文本分类的时候输入是不定长的，可以通过池化获得定长输出