CNN中的Conv层和Pooling层有什么区别？

Question

无论是最大值还是平均值，汇总都可以看作是卷积，对吗？

不同之处在于conv具有优化参数，但pooling不对，对不对？ - 例如在学习过程中，过滤池中的权重不会改变。

我也想知道conv和pooling的目标有什么区别。

为什么我们使用每个图层？ 如果我们不使用每个图层，会发生什么？

Answer 1

卷积层

卷积层用于检测使用感受域在multipe子区域（多个）图案在输入字段中。

池层

汇集层用于逐步降低表示的空间大小，以减少参数的网络中的数字和计算量，并且因此也控制过度拟合。

直觉是，一个特征的确切位置并不比其粗略位置重要。

---

另外，你说'权重，过滤池在学习期间没有改变'，并不总是必须是权重。例如，在一个MAX_POOLING层，没有必要对权重：

所以，我真的不明白你的意思“那CONV具有优化参数”是什么，我觉得你得到了他们转身周围。