Cnn学习之-Pooling学习

其实就是在一大堆数据里选一个符合条件的了。 比如max pooling，就是在n-by-n的格子里选一个最大的。 而average也差不多，就是平均一下。

一般来说就是对你前一步得到的卷积map做降采样。降采样的目的1.降噪，除去你所指定的小局部中不必要的噪声2.降维，pooling后因为特征的相对位置没有变化，可以不损害其准确性。不然后边再卷卷不成了

1.对于mean pooling，真的是好简单：假设pooling的窗大小是2x2, 在forward的时候啊，就是在前面卷积完的输出上依次不重合的取2x2的窗平均，得到一个值就是当前mean pooling之后的值。backward的时候，把一个值分成四等分放到前面2x2的格子里面就好了。如下

forward: [1 3; 2 2] -> [2]
backward: [2] -> [0.5 0.5; 0.5 0.5]

max pooling就稍微复杂一点，forward的时候你只需要把2x2窗子里面那个最大的拿走就好了，backward的时候你要把当前的值放到之前那个最大的位置，其他的三个位置都弄成0。如下

forward: [1 3; 2 2] -> 3
backward: [3] -> [0 3; 0 0]