《深度学习：卷积神经网络从入门到精通》——2.11　池化面计算

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：

（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。

图2.8　池化面按组计算的简化表示