【发布时间】：2017-11-23 18:49:57
【问题描述】：
在大多数架构中，conv 层之后是池化层（max / avg 等）。由于这些池化层只是选择前一层的输出（即 conv），我们是否可以只使用步长为 2 的卷积并期望在减少处理需求的情况下获得相似的精度结果？
【问题讨论】：
-
是的，我已经尝试过 vgg19 网络，它可以工作
标签： deep-learning conv-neural-network max-pooling
【发布时间】：2017-11-23 18:49:57
【问题描述】：
是的，可以做到。它在论文'Striving for simplicity: The all convolutional net'https://arxiv.org/pdf/1412.6806.pdf 中有解释。引用论文：
'我们发现 max-pooling 可以简单地替换为卷积 在几个图像上增加步幅而不损失精度的层 识别基准”
【讨论】：
-
感谢您的回复。那么，为什么行业一直在使用最大池？
-
谷歌最近发表的论文“MobileNets: Efficient Convolutional networks”没有在 CNN 层中使用池化（它在 FC 之前的末尾有一个）。与加速相比，增益可能可以忽略不计。