关于#神经网络#的问题：卷积神经网络中的池化过程，是对输入层池化，还是提取特征值后再池化

卷积神经网络中的池化过程，是对输入层池化，还是提取特征值后再池化？

卷积神经网络结构决定它先利用卷积层提取特征，将提取的特征输入到池化层进行池化，和输入层没关系了

池化（Pooling）是卷积神经网络中的一个重要的概念，它实际上是一种形式的降采样。有多种不同形式的非线性池化函数，而其中“最大池化（Max pooling）”是最为常见的。它是将输入的图像划分为若干个矩形区域，对每个子区域输出最大值。直觉上，这种机制能够有效的原因在于，在发现一个特征之后，它的精确位置远不及它和其他特征的相对位置的关系重要。池化层会不断地减小数据的空间大小，因此参数的数量和计算量也会下降，这在一定程度上也控制了过拟合。通常来说，CNN的卷积层之间都会周期性地插入池化层。

卷积层-》池化层
池化是对于卷积的输出进行池化的，也就是对特征池化