卷积神经网络各层作用

在卷积神经网络中,池化层的作用是什么如下：池化层是CNN中的一个重要组成部分，它的作用是对卷积层的输出进行降维和特征提取。 具体来说，池化层可以通过对卷积层输出的局部区域进行最大值或平均值的操作，将输出的特征图进行降维，减少参数数量，提高模型的泛化能力。

1.卷积神经网络简介 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 [1] 它包括卷积层(alternating convolutional layer)和池层(pooling layer)。

卷积神经网络主要结构有：卷积层、池化层、和全连接层组词。 一、卷积层 卷积核是一系列的滤波器，用来提取某一种特征我们用它来处理一个图片，当图像特征与过滤器表示的特征相似时，卷积操作可以得到一个比较大的值。

激励层：由于卷积也是一种线性运算，因此需要增加非线性映射 池化层：进行下采样，对特征图稀疏处理，减少数据运算量。