池化层的作用总结

1、池化层
在卷积神经网络中通常会在相邻的卷积层之间加入一个池化层。池化(pooling)是在不同的通道上分开执行的（就是池化操作不改变通道数，每个通道之间互不影响），且不需要参数控制。然后根据池化窗口大小进行相应的操作。 一般有最大池化(max pooling)、平均池化(average pooling)等。

2、作用
（1）下采样（downsamping），减少网络前向运算消耗的内存大小。

（2）可以扩大网络模型的感知野。比如经过2x2窗口池化后的3x3卷积核看到的就是原图6x6的区域大小。

（3）实现非线性，如最大池化。