卷積神經網路 - 池化層 (Pooling Layer)

移動滑鼠觀察 Pooling 如何壓縮特徵並保留重要資訊

池化模式 (Mode)：

池化尺寸 (Size)：

↓

請將滑鼠移至左側圖片上...

池化層 (Pooling Layer) 通常接在卷積層之後，用於降低特徵圖的維度（Downsampling），減少後續運算量；有時也能降低過擬合風險 (Overfitting)。

在池化視窗內選取最大值作為輸出。

計算池化視窗內所有數值的平均值作為輸出。