P1 · 應會
機器學習
池化層 (Pooling Layer)
是什麼
池化層是 CNN 中對特徵圖降採樣的層，在每個小視窗取最大值（Max Pooling）或平均值（Average Pooling），縮小空間維度，本身沒有可學習參數。
解決什麼問題
減少後續層的參數量與計算量，並讓特徵對小幅平移較不敏感。
考場 Trigger
- 縮小特徵圖空間維度
- 最大池化或平均池化
- 降採樣減少計算量
容易搞混
卷積神經網路丟棄法批次正規化
中級深度
能算出 2×2、步幅 2 的池化讓特徵圖長寬減半、通道數不變，並與丟棄法、批次正規化的作用區分。