深度学习cnn中，怎么理解图像进行池化（pooling）后的平移不变性？ 第1页
1
yinfupai 网友的相关建议:
是因为卷积是平移得到的，所以图像在相应的平移程度下，进行max或average的池化结果是一样的吗？
1
相关话题
机器学习，深度神经网络等方法是否是正确的方向？北京深鉴科技基于FPGA平台的DPU架构如何？
如何看待人工智能领域的很多专家认为「人工智能将对人类存亡造成威胁」的观点？
人工智能在生活中的应用都有哪些？
深度学习应用在哪些领域让你觉得「我去，这也能行！」？
人工智能在生活中的应用都有哪些？
因果推断会是下一个AI热潮吗？
resnet（残差网络）的F（x）究竟长什么样子？
如何看待何恺明最新一作论文Masked Autoencoders？
如何评价FAIR提出的MaskFormer，在语义分割ADE20K上达到SOTA：55.6 mIoU？
前一个讨论
以下这篇文章算是迷信和误导大众嘛？
相关的话题
如何理解空洞卷积（dilated convolution）？卷积神经网络中卷积核是如何学习到特征的？
为什么Transformer要用LayerNorm？
有什么深度学习数学基础书推荐？
DeepMind 团队中有哪些厉害的人物和技术积累？
如何评价Kaiming He的Momentum Contrast for Unsupervised?
人工智能可以为人类找寻他们心目中的另一半吗?
为什么都说神经网络是个黑箱？
NLP领域，你推荐哪些综述性的文章？
如何看待周志华等人的新书《机器学习理论导引》？
CVPR 2019 有哪些值得关注的亮点？
transformer中的Q,K,V到底是什么？
多任务学习成功的原因是引入了别的数据库还是多任务框架本身呢？
如何看待鄂维南院士等发起的机器学习联合研讨计划（c2sml.cn）？
对自己深度学习方向的论文有idea，可是工程实践能力跟不上，实验搞不定怎么办？
如何看待FAIR提出的8-bit optimizer：效果和32-bit optimizer相当？
深度学习有哪些好玩的案例？
编程达到什么水平才能编写出像caffe这样的深度学习框架？
Transformer是如何处理可变长度数据的？
在算力充沛，深度学习模型大行其道的今天，传统机器学习的未来在哪里？
如果百年后深度学习最终有了公认的数学理论作为基础，能解释实验中的各类玄学，那这个理论会长什么样子？
大家推荐一下，哪些学校的导师有在做量化交易、股票预测的？
在NLP上，CNN、RNN（认为LSTM等变体也是RNN）、最简单全连结MLP，三者相比，各有何优劣?
为什么交叉熵（cross-entropy）可以用于计算代价？
如何评价 DeepMind 的新工作 AlphaCode?
如何看待MXNet在CVPR2017上公布的gluon接口？
如何激怒一位人工智能（机器学习、深度学习、强化学习等）爱好者？
有哪些相见恨晚的 TensorFlow 小技巧？
深度学习做股票预测靠谱吗？
为什么有些学数学的看不惯甚至鄙视 Deep Learning？