标签： tensorflow deep-learning conv-neural-network max-pooling
在阅读一些深度学习论文时，有时会提到用于下采样的最大池化层还可以用于减少/增加要素通道（地图）的数量。这让我很困惑。在我看来，最大缓冲层可以缩小采样的大小，但应保留原始要素图的数量。 我在tensorflow中搜索最大池的用法，但是有用于更改特征通道的参数。因此，有人可以告诉我如何通过最大池层减少要素通道吗？ 例如，最大池更改下图中的功能通道数。 enter image description here
Hiroshi Fukui，使用带有稀有率的小批量训练对不平衡数据集进行鲁棒的行人属性识别
