池化层的输入输出计算公式

池化层（Pooling Layer）通常用于卷积神经网络中，以减少特征的空间尺寸（高度和宽度），从而降低参数的数量和计算复杂度，同时使特征检测更加鲁棒。池化层的操作通常是确定性的，不涉及权重学习。

池化层的输入输出计算公式：

假设输入特征图 $I$ 的尺寸为 $H_{in}\times W_{in}$，其中 $H_{in}$ 是输入特征图的高度，$W_{in}$ 是宽度。池化操作通常有以下参数：

• 池化窗口大小 $F$（例如，$F=2$ 或 $F=3$ 等）。
• 步长 $S$（窗口移动的步长，$S$ 通常等于或小于 $F$）。
• 填充 PP