免费试听
Pooling是一种在计算机视觉和深度学习中常见的操作，特别是在卷积神经网络（CNN）中。Pooling是一种下采样技术，用于减小输入特征图的大小，同时保留重要的信息。它通常用于减小模型的复杂性，同时保持或提高模型的性能。Pooling的方法包括最大池、平均池等。
1. max pooling：最大池化
2. avg pooling：平均池化
3. max-avg pooling：最大平均池化
4. spatial pooling：空间池化
5. feature pooling：特征池化
6. feature-wise pooling：特征无关池化
7. channel pooling：通道池化
8. spatial-temporal pooling：时空池化
9. global pooling：全局池化
名师辅导
环球网校
建工网校
会计网校
新东方
医学教育
中小学学历
今日
您现在的位置：
