CNN | 05池化层

本文主要是介绍CNN | 05池化层，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

5 池化层

5.1 常用池化方法

池化 pooling，又称为下采样，downstream sampling or sub-sampling。

池化方法分为两种，一种是最大值池化 Max Pooling，一种是平均值池化 Mean/Average Pooling。如图17-32所示。

图17-32 池化

• 最大值池化，是取当前池化视野中所有元素的最大值，输出到下一层特征图中。
• 平均值池化，是取当前池化视野中所有元素的平均值，输出到下一层特征图中。

其目的是：

• 扩大视野：就如同先从近处看一张图片，然后离远一些再看同一张图片，有些细节就会被忽略
• 降维：在保留图片局部特征的前提下，使得图片更小，更易于计算
• 平移不变性，轻微扰动不会影响输出：比如上图中最大值池化的4，即使向右偏一个像素，其输出值仍为4
• 维持同尺寸图片，便于后端处理：假设输入的图片不是一样大小的，就需要用池化来转换成同尺寸图片

一般我们都使用最大值池化。

5.2 池化的其它方式

在上面的例子中，我们使用了size=2x2，stride=2的模式，这是常用的模式，即步长与池化尺寸相同。

我们很少使用步长值与池化尺寸不同的配置，所以只是提一下，如图17-33。

图17-33 步长为1的池化

上图是stride=1, size=2x2的情况，可以看到，右侧的结果中，有一大堆的3和4，基本分不开了，所以其池化效果并不好。

假设输入图片的形状是 $W_1\times H_1\times D_1$，其中W是图片宽度，H是图片高度，D是图片深度（多个图层），F是池化的视野（正方形），S是池化的步长，则输出图片的形状是：

$$
\begin{aligned}
W_2 &= (W_1 - F)/S + 1 \
H_2 &= (H_1 - F)/S + 1 \
D_2 &= D_1
\end{aligned}

$$

池化层不会改变图片的深度，即D值前后相同。

5.3 池化层的训练

我们假设图17-34中，$[[1,2],[3,4]]$是上一层网络回传的残差，那么：

• 对于最大值池化，残差值会回传到当初最大值的位置上，而其它三个位置的残差都是0。
• 对于平均值池化，残差值会平均到原始的4个位置上。

图17-34 平均池化与最大池化

图17-35 池化层反向传播的示例

Max Pooling

严格的数学推导过程以图17-35为例进行。

正向公式：

$$w=max(a,b,e,f)$$

反向公式（假设Input Layer中的最大值是b）：

$$\frac{\partial w}{\partial a}=0,\frac{\partial w}{\partial b}=1$$

$$\frac{\partial w}{\partial e}=0,\frac{\partial w}{\partial f}=0$$

因为a,e,f对w都没有贡献，所以偏导数为0，只有b有贡献，偏导数为1。

$${\delta }_a=\frac{\partial J}{\partial a}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial a}=0$$

$${\delta }_b=\frac{\partial J}{\partial b}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial b}={\delta }_w\cdot 1={\delta }_w$$

$${\delta }_e=\frac{\partial J}{\partial e}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial e}=0$$

$${\delta }_f=\frac{\partial J}{\partial f}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial f}=0$$

Mean Pooling

正向公式：

$$w=\frac{1}{4}(a+b+e+f)$$

反向公式（假设Layer-1中的最大值是b）：

$$\frac{\partial w}{\partial a}=\frac{1}{4},\frac{\partial w}{\partial b}=\frac{1}{4}$$

$$\frac{\partial w}{\partial e}=\frac{1}{4},\frac{\partial w}{\partial f}=\frac{1}{4}$$

因为a,b,e,f对w都有贡献，所以偏导数都为1：

$${\delta }_a=\frac{\partial J}{\partial a}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial a}=\frac{1}{4}{\delta }_w$$

$${\delta }_b=\frac{\partial J}{\partial b}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial b}=\frac{1}{4}{\delta }_w$$

$${\delta }_e=\frac{\partial J}{\partial e}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial e}=\frac{1}{4}{\delta }_w$$

$${\delta }_f=\frac{\partial J}{\partial f}=\frac{\partial J}{\partial w}\frac{\partial w}{\partial f}=\frac{1}{4}{\delta }_w$$

无论是max pooling还是mean pooling，都没有要学习的参数，所以，在卷积网络的训练中，池化层需要做的只是把误差项向后传递，不需要计算任何梯度。

5.4 实现方法1

按照标准公式来实现池化的正向和反向代码。

class PoolingLayer(CLayer):def forward_numba(self, x, train=True):......def backward_numba(self, delta_in, layer_idx):......

有了前面的经验，这次我们直接把前向和反向函数用numba方式来实现，并在前面加上@nb.jit修饰符：

@nb.jit(nopython=True)
def jit_maxpool_forward(...):...return z@nb.jit(nopython=True)
def jit_maxpool_backward(...):...return delta_out

5.5 实现方法2

池化也有类似与卷积优化的方法来计算，在图17-36中，我们假设大写字母为池子中的最大元素，并且用max_pool方式。

图17-36 池化层的img2col实现

原始数据先做img2col变换，然后做一次np.max(axis=1)的max计算，会大大增加速度，然后把结果reshape成正确的矩阵即可。做一次大矩阵的max计算，比做4次小矩阵计算要快很多。

class PoolingLayer(CLayer):def forward_img2col(self, x, train=True):......def backward_col2img(self, delta_in, layer_idx):......

5.6 性能测试

下面我们要比较一下以上两种实现方式的性能，来最终决定使用哪一种。

对同样的一批64个样本，分别用两种方法做5000次的前向和反向计算，得到的结果：

Elapsed of numba: 17.537396907806396
Elapsed of img2col: 22.51519775390625
forward: True
backward: True

numba方法用了17秒，img2col方法用了22秒。并且两种方法的返回矩阵值是一样的，说明代码实现正确。

代码位置

ch17, Level5

这篇关于CNN | 05池化层的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---