卷积和池化的区别

1. 卷积:
     1. Description: 和全连接的DNN相比, 卷积的网络参数大大减少, 因此连接权重和神经元个数的比重大大提升, 模型的计算量减少.
     2. 依据: 图像中往往有大量区域的构造类似, 因此全连接中有大量的连接的意义相同, 造成计算上的浪费.
     3. return: 最终得到训练好的卷积核.

2. 池化:
     1. Description: 提取每层的特征, 传入下一层, 最常用的是max_pooling.
     2. 依据: 如: 最大池化, 待池化的层数据反映了某些特征的值, 最大池化也就是提取出当前区域中特征值最大, 通常即特征最显著的特征值, 传入下一层.
     3. return: 不返回任何存在