Pooling Layer

释义 Definition

Pooling layer（池化层）：卷积神经网络（CNN）中常见的一种网络层，用于对特征图（feature map）进行下采样/降维，通过在局部区域内取最大值或平均值等方式，减少计算量与参数规模，并增强一定的平移不变性。常见类型有 Max Pooling（最大池化） 和 Average Pooling（平均池化）。（在一些架构中也可能用步幅卷积等方法替代池化。）

发音 Pronunciation (IPA)

/ˈpuːlɪŋ ˈleɪər/

例句 Examples

The pooling layer reduces the size of the feature map.
池化层会减小特征图的尺寸。

By adding a max pooling layer after each convolution block, the network becomes less sensitive to small shifts in the input and more efficient to compute.
在每个卷积模块后加入最大池化层，可以让网络对输入的微小位移不那么敏感，并提升计算效率。

词源 Etymology

pooling 来自动词 pool（汇聚、集中到“池”里），强调把局部信息“汇总”成一个代表值；layer 意为“层”。合起来指在神经网络中把局部区域的特征进行汇聚（如取最大/平均）的一层结构，因此译作“池化层”。

相关词 Related Words

• Activation
• Average Pooling
• CNN
• Convolution
• Downsampling
• Feature Map
• Flatten
• Max Pooling
• Padding
• Stride

文献与作品 Literary & Notable Works

• Deep Learning（Ian Goodfellow, Yoshua Bengio, Aaron Courville）——在卷积网络章节中讨论池化层与其变体。
• Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow（Aurélien Géron）——以实例网络结构介绍池化层的作用与用法。
• Neural Networks and Deep Learning（Michael Nielsen，在线书）——在卷积网络相关内容中提及池化作为常见组件。
• Stanford CS231n: Convolutional Neural Networks for Visual Recognition（课程讲义）——系统讲解 pooling 的直觉、超参数与实践注意点。