在前两篇文章中，我们已经依次介绍了：

• 卷积（Convolution）：负责从图像中提取局部特征

• 激活函数（Activation Function）：赋予模型“非线性思考能力”

当卷积层不断堆叠时，特征图的大小会非常大。如果不加控制，网络的参数量会爆炸，计算量也会以几何级增长。

为了让网络：

• 更快

• 更稳定

• 更不容易过拟合

• 对输入更有鲁棒性

我们需要用到深度学习中的另一块基础积木：
池化层（Pooling）。

它是 CNN 中最简洁、却又最具代表性的操作之一。

---

一、池化层是什么？

池化（Pooling）是 CNN 中用来 降低特征图空间大小（宽、高） 的操作，同时保留最重要的信息。

从直觉上看：

池化 = 信息压缩器
它把一个小区域（例如 2×2、3×3）压缩成一个单值，用来代表该区域的主要特征。

它不会引入新的参数，也不会改变通道数（channels），因此计算成本极低。

常见用途包括：

• 下采样（Downsampling）

• 降低模型计算量

• 提高特征对平移/微小变形的鲁棒性

• 减少过拟合

可以理解为：

池化让网络关注更“粗”的信息，而不是一砖一瓦的具体像素点。

---

二、池化为什么重要？（直观理解）

假设你有一张 1000 × 1000 的大图，如果每一层卷积都保持同样分辨率，那么网络的计算量会非常高。

例如：

输入：1000 × 1000 × 3 卷积 20 层 中间特征图依旧 1000 × 1000 × 64

显然 内存爆炸 + 计算爆炸。

池化的主要目标之一就是：

每经过几层卷积，就把特征图缩小一次，让网络只关注更“抽象”的特征。

比如把 1000×1000 → 500×500 → 250×250 → ...

这也是为什么经典的 CNN（VGG、ResNet）里，池化层是必不可少的一环。

---

三、常见的池化方式

池化的方式非常多，但有两个最常见的版本：

1️⃣ 最大池化（Max Pooling）

定义：

取区域中的最大值。

例如一个 2×2 窗口：

[1, 5
 3, 2]  → 最大值 = 5

特点：

• 保留最强特征

• 对噪声敏感度低

• 更能突出关键信息（如边缘、纹理）

• 图像任务中使用最广泛

在 CNN 里，Max Pooling 基本是“标配”。

---

2️⃣ 平均池化（Average Pooling）

定义：

对窗口内所有值求平均。

例如：

[1, 5
 3, 2]  → 平均值 = 2.75

特点：

• 更平滑

• 不会偏向极值

• 在旧 CNN 架构中常用（LeNet 等）

但在现代深度学习中，Avg Pooling 已不再常用于中间层，
更多出现在网络末端作为“全局平均池化”。

---

3️⃣ 全局平均池化（Global Average Pooling, GAP）

这是现代 CNN 最重要的池化方式之一。

定义：

对每个通道，求整个特征图的平均值。

例如输入为 7×7×512，则输出为 1×1×512。

最大优势：

• 大幅减少参数

• 避免使用全连接层导致的过拟合

• 是 ResNet、MobileNet、Inception 等模型的标准组件

它几乎成为“替代全连接层”的主流方案。

---

四、池化层的三个关键参数

和卷积类似，池化也有以下参数：

1. Kernel（窗口大小）

例如常用的：

• 2×2

• 3×3

窗口越大，下采样越强烈。

---

2. Stride（步长）

表示窗口每次移动的距离。

常见：

• stride = 2（最常用）

• stride = 1（很少用，因为不降采样）

举例：

如果池化窗口为 2×2、stride=2，则输入大小将缩小一半：

输入：  32×32
输出： 16×16

---

3. 填充（Padding）

池化层的 padding 通常比卷积少见，一般用 valid（无填充）。

---

五、池化和卷积的区别是什么？

操作	是否有参数	目的	常见使用位置
卷积（Conv）	有参数	提取特征	各层
池化（Pooling）	无参数	降维、增强鲁棒性	每几层一次
全局平均池化（GAP）	无参数	替代全连接层	网络末端

一句话总结：

卷积负责“提取”，池化负责“压缩”。

两者相辅相成。

---

六、为什么最大池化 > 平均池化？

最大池化选“最强响应”，更能反映：

• 边缘

• 角点

• 纹理

• 模式出现的强度

平均池化会把信息“平滑化”，弱化特征，导致：

• 边缘变弱

• 特征不明显

• 模型不够敏感

因此在视觉任务中：

Max Pooling 比 Avg Pooling 更符合人类视觉特征提取机制。

这也是现代 CNN 选择 Max Pooling 的原因。

---

七、池化的三个核心作用（面试必问）

1. 降低计算量

减少宽 × 高，降低 FLOPs。

2. 增强模型鲁棒性

如：

• 输入图像稍微移动

• 亮度略微变化

• 噪声干扰
  池化都能帮助模型“忽略细枝末节”。

3. 减少过拟合

通过压缩特征图，迫使网络关注更高层次的模式。

因此即使在 Transformer 接管视觉任务之前，池化层一直是 CNN 的“黄金组件”。

---

八、池化后的维度变化公式

设输入大小为 H×W，池化参数为：

• kernel = k

• stride = s

• padding = p

输出大小为：

这是 CNN 网络结构设计中必须掌握的公式。

---

九、PyTorch 中的 Pooling 代码示例

最大池化

import torch.nn as nn

max_pool = nn.MaxPool2d(kernel_size=2, stride=2)

平均池化

avg_pool = nn.AvgPool2d(kernel_size=2, stride=2)

全局平均池化

gap = nn.AdaptiveAvgPool2d((1, 1))

十、现代趋势：不要池化？

自从 ResNet 之后，一些网络开始采用：

步长卷积（stride conv）替代池化下采样

原因如下：

• 可学习参数更多，表达能力更强

• 不依赖硬编码的窗口操作

• 和卷积结构更加统一

比如：

nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=2, padding=1)

这种卷积也可以把特征图缩小一半，但有可学习参数，因此更灵活、效果更好。

但在轻量化网络（MobileNet）或大模型里，GAP 依旧是不可替代的核心操作。

---

十一、总结

操作	作用	常用位置
最大池化（Max Pooling）	强特征提取、增强鲁棒性	CNN 中间层
平均池化（Avg Pooling）	平滑特征	旧架构或辅助层
全局平均池化（GAP）	替代全连接、减少参数	模型末端
步长卷积（Stride Conv）	池化的可学习替代	现代 ResNet/ConvNeXt

一句话总结：

卷积让网络看得更多，池化让网络看得更远。

下期预告：全连接层（Fully Connected Layer）

关注我一起学习深度学习，我们一起进步~~~