CNN中Conv层和Pooling层的区别是什么？

Question

汇总可以被视为卷积，无论它是最大/平均，对吧？

不同之处在于conv具有优化参数，但汇集不对，对吧？ - 例如在学习期间，池中过滤的权重不会改变。

我也想知道转化和合并的目标之间的区别。

为什么我们使用每一层？ 如果我们不使用每一层，会发生什么？

Answer 1

卷积层

卷积层用于使用感知域检测输入字段中多个子区域中的（多个）模式。

合并图层

汇集层用于逐步减小表示的空间大小，减少网络中的参数数量和计算量，从而控制过度拟合。

直觉是特征的确切位置不如其相对于其他特征的粗略位置重要。

另外，你说在学习过程中，过滤池中的过滤器的权重没有改变，不一定要有权重。例如，在MAX_POOLING图层中，不需要权重：

所以我真的不明白你的意思，并且转化为了优化的参数，我认为你让它们转过身来。

Answer 2

差异可以概括为 (1) 如何计算它们以及 (2) 用于什么。

1. 您如何计算它们：

以矩阵 (5x5) 的输入数据为例 - 考虑 5 x 5 像素的图像-。池化层和卷积层是应用于每个输入“像素”的操作。让我们在图像中心取一个像素（为了避免讨论角落会发生什么，稍后详细说明），并为 (3x3) 的池化层和卷积层定义一个“核”。

池化层：你在输入像素上叠加池化核（图中你把蓝色矩阵的中心放在黑色X_00上面，取最大值。 >

卷积层：将卷积核叠加在输入像素上（图中橙色矩阵的中心放在黑色 X_00 的顶部），然后执行元素乘法然后求和，如图所示。

卷积系数，F_..，它们来自哪里？它们是在训练网络时学习的。对于 maxpooling，您不必学习任何东西，只需取最大值。您可以认为 maxpooling 就像一个卷积，但具有固定系数，而不是求和，取最大值。

您对每个输入元素执行此操作。输入图像拐角会发生什么，取决于您的选择：丢弃边/角、垫等处的输入元素。此外，您不能逐个像素、跳跃等连续移动...

2. 用于：max_pooling 减少输入的大小，并对数据进行某种汇总，同时为平移变换提供一些不变性（例如，如果对象左右移动，上下移动）。 convul​​tion，根据过滤器系数的条件（例如，一列必须为负，而其他为正）可以被视为允许提取一些模式的过滤器，例如垂直线、水平线等...

Answer 3

转换层具有要学习的参数（即，您更新每个步骤的权重），而池化层则没有-仅应用某些给定的函数（例如max-function）。