為什麼卷積神經網絡需要最大池化？

最常見的捲積神經網絡包含池化層以減少輸出特徵的維度。為什麼我不能通過簡單地增加卷積層的步幅來達到同樣的效果？是什麼讓池化層變得必要？

您確實可以做到這一點，請參閱“追求簡單：全卷積網絡”。池化為您提供了一定程度的平移不變性，這可能有幫助，也可能沒有幫助。此外，池化比卷積計算更快。不過，您始終可以嘗試用 stride 代替卷積池，看看哪種效果更好。

當前的一些作品使用平均池化（Wide Residual Networks，DenseNets），其他作品使用帶步幅的捲積（DelugeNets）

引用自：https://stats.stackexchange.com/questions/288261