为什么我们使用 Max Pooling 2x2？我们可以使用任何其他尺寸，例如 3x3 或 5x5 吗？以及如何select在什么场景下选择哪个pooling？

Question

太棒了，

我在 YouTube 上到处搜索，Google 也阅读了一些文章和研究论文，但似乎找不到我的问题的确切答案

我有几个关于卷积神经网络的问题，我对这个问题感到困惑：为什么我们使用 MaxPooling 大小 2x2 为什么我们不使用任何其他大小，如 3x3、4x4 ... nxn（当然小于输入的大小），我们甚至可以使用 2x2 以外的任何东西吗？我的另一个问题是：为什么我们大多数时候总是使用 MaxPooling？它取决于图像吗？例如，如果我们有一些嘈杂的图像，那么是否适合使用 MaxPooling 还是我们应该使用任何其他类型的池化？

谢谢！

Answer 1

MaxPool2D 通过对每个输入通道的输入 window（大小由 pool_size 定义）取最大值，沿其空间维度（高度和宽度）对其输入进行下采样。例如，如果我在此数组上应用 2x2 MaxPooling2D：

array = np.array([
[[5],[8]],
[[7],[2]]
])

那么结果就是8，这是这个数组中元素的最大值。
另一个例子，如果我在这个数组上应用 2x2 MaxPooling2D：

array = tf.constant([[[1.], [2.], [3.]],
                     [[4.], [5.], [6.]],
                     [[7.], [8.], [9.]]])

那么输出将是这样的：

([
[[5.], [6.]],
[[8.], [9.]]
])

MaxPooling2D 在这里做的是它滑动了 2x2 window 并取了它的最大值，导致输入数组的维度沿其高度和宽度减半。如果您仍然对它的工作原理有任何疑问，check this from keras and

现在很明显 MaxPool2D 对输入进行了下采样，让我们回到你的问题 -

为什么到处都使用 2x2 MaxPooling 而不是 3x3 或 4x4？

嗯，原因是它减少了数据，在形状为 (3,3,1) 的矩阵上应用 3x3 MaxPooling2D 会产生 (1,1,1) 矩阵，并且在形状为 (3,3,1) 的矩阵上应用 2x2 MaxPooling2D 将产生 (2,2,1) 矩阵。显然 (2,2,1) 矩阵比形状为 (1,1,1) 的矩阵可以保存更多的数据。通常，应用池化大小超过 2x2 的 MaxPooling2D 操作会导致大量数据丢失，因此 2x2 是更好的选择。这就是为什么你会看到 2x2 MaxPooling2D 'everywhere'，就像在 ResNet50、VGG16 等中一样

为什么我们使用 Max Pooling 2x2？我们可以使用任何其他尺寸，例如 3x3 或 5x5 吗？以及如何select在什么场景下选择哪个pooling？

Why do we use MaxPooling 2x2? Can we use any other size like 3x3 or 5x5? And how to select which pooling to choose in what scenrio?

image-processing

deep-learning

conv-neural-network

max-pooling