CNN中的Conv層和Pooling層有什麼區別？

Question

無論是最大值還是平均值，彙總都可以看作是卷積，對嗎？

不同之處在於conv具有優化參數，但pooling不對，對不對？ - 例如在學習過程中，過濾池中的權重不會改變。

我也想知道conv和pooling的目標有什麼區別。

爲什麼我們使用每個圖層？ 如果我們不使用每個圖層，會發生什麼？

Answer 1

卷積層

卷積層用於檢測使用感受域在multipe子區域（多個）圖案在輸入字段中。

池層

彙集層用於逐步降低表示的空間大小，以減少參數的網絡中的數字和計算量，並且因此也控制過度擬合。

直覺是，一個特徵的確切位置並不比其粗略位置重要。

---

另外，你說'權重，過濾池在學習期間沒有改變'，並不總是必須是權重。例如，在一個MAX_POOLING層，沒有必要對權重：

所以，我真的不明白你的意思「那CONV具有優化參數」是什麼，我覺得你得到了他們轉身周圍。