神经网络理论及应用实践 课件 7.3 CNN 池化层全连接层.pptxVIP

卷积神经网络：池化层与全连接层主讲人：张洁北京工商大学计算机与信息工程学院

2026/10/11BTBU-CIE2本节提要池化层功能详解全连接层功能详解全连接层与卷积层的联系与转换

2026/10/113池化层和全连接层LeNet卷积神经网络池化层全连接层AlexNet卷积神经网络

2026/10/114池化层(Pooling)作用：连接在卷积层后，减少模型参数，减小训练负担，控制过拟合问题。操作：在各深度的特征映射图上独立进行，空间缩减分辨率，缩减方式为有多种：max，average，L2-norm等。

2026/10/115池化层(Pooling)超参数：空间覆盖度SpatialExtent、步长Stride输入：三维数据（W1，H1,D1）输出：三维数据（W2，H2，D2）W2=(W1-F)/S+1H2=(H1-F)/S+1D2=D1空间窗口尺寸F=2，步长S=2

2026/10/116全连接层（Fully-connected）该层各神经元与前层所有神经元均相连接一个权重向量w和同维度输入数据的点乘结果

2026/10/117全连接层和卷积层的转换主要区别：卷积层：局部连接/共享参数全连接层：整体连接/参数独立共同点：点乘计算，功能形式相同含全连接层全卷积层1×1

2026/10/118全连接层和卷积层的转换1×1含全连接层全卷积层可通过滑动的