深度學習_深度學習基礎知識_全局平均池化（Global Average Pooling）

全局平均平均池化就是對最後一層卷積的特徵圖，每個通道求整個特徵圖的均值。如下圖所示：

然後再接一層全連接，因爲全局池化後的值相當於一像素，所以最後的全連接其實就成了一個加權相加的操作。這種結構比起直接的全連接更加直觀，並且泛化性能更好。如下圖所示：

總結：

1. 降低參數量。
2. 減少過擬合（正則化），增加泛化能力。