Machine learning 为什么maxpooling选择最大值来表示范围？
Maxpooling是我在这里读到的一种技术。我理解，它用于近似输入。这是为了减少神经网络在这方面的工作时间。我不能确定的是，为什么它要选择最大值？这有效吗？如果是，为什么？。其他选项可能类似于选择平均值或最小值，或者可能是左上角的值（例如）。我们选择窗口的最大值以获取最活跃的像素（像素的更多激活意味着更多信息） 有一些变化，比如avg池取窗口所有像素的平均值，但实际上结果没有太大差异Machine learning 为什么maxpooling选择最大值来表示范围？,machine-learning,max-pooling,Machine Learning,Max Pooling,Maxpooling是我在这里读到的一种技术。我理解，它用于近似输入。这是为了减少神经网络在这方面的工作时间。我不能确定的是，为什么它要选择最大值？这有效吗？如果是，为什么？。其他选项可能类似于选择平均值或最小值，或者可能是左上角的值（例如）。我们选择窗口的最大值以获取最活跃的像素（像素的更多激活意味着更多信息） 有一些变化，比如avg池取窗口所有像素的平均值，但实际上结果没有太大差异 最大池是有效和快速的。使用max pool而非avg pool的另一个原因是计算梯度（在backprop中）对
最大池是有效和快速的。使用max pool而非avg pool的另一个原因是计算梯度（在backprop中）对于max pool来说会很快。激活是指具有更多（数值）值的梯度，对吗？但这有什么帮助呢？如果我理解正确，任何rgb图像都将有三层，r、g和b各一层。选择最大值如何帮助我获得我试图识别的图像的近似值，感谢您的响应。激活是权重矩阵中单元格的值。通常我们从随机权重开始，并在每次迭代中更新权重。我们希望选择具有最大激活（信息）的值