1樓：
眾數：conv層的每個小區域裡面，一般每個值都不一樣，求眾數並不實際。
中位數：我認為主要缺點是計算量比較大，至於實際效果怎麼樣，我覺得可以試試。
方差：我覺得可以試試。
maxpool在直覺上會有一些優點，比如動態路由，平移不變性等等。不過其實深度學習裡面很多操作並沒有嚴格的數學證明，所以你要問為什麼，大概目前是不會有讓你滿意的答案。至於說中位數和方差等其它統計量效果怎麼樣，其實真的可以試試，說不定效果會逆天。
但我直覺上感覺並不會有明顯提公升。
2樓：xcyuyuyu
池化的主要目的減少feature map大小從而減少計算量。其最大的特性是平移不變性，即池化後的feature map仍然擁有上一層feature map的主要特徵，因此最大池化最能提現這一特徵。
私以為並不是為了去計算而計算，而要從其目的出發，最大池化基本沒有啥計算量，又能實現其目的，何必去做那麼多複雜的計算呢。
3樓：張大帥
1 為什麼要用眾數中位數方差?
2 如何求導?
3 樣本量通常最大只有幾十，分布未知，都是連續值，能否計算出眾數，樣本方差是否有意義?
4樓：可可大果粒
池化雙線型插值的都有啊。池化這種下取樣方法在我的理解裡是根據任務需要選擇最能體現下取樣區域的顯著特徵的。眾數，中位數根據需要可以實驗嘗試，方差只是平穩性體現個人感覺不適合作為池化層。
為什麼連續使用了三層LSTM層的網路結構就叫棧式LSTM,棧式LSTM具體是什麼？
Helloworld 首先區分兩個名稱 Stacked LSTM和Stack LSTM1 Stacked LSTM 正如題主問題所問，使用了多層的LSTM結構，也叫Multi layer LSTM，相當於多個單層RNN堆砌而成所以也叫Stacked LSTM 2 Stack LSTM 棧LSTM，簡...
為什麼mxnet的卷積層初始化需要weight和bias，但kera的卷積層不需要？
Wison keras.layers.convolutional.pyclass Conv2D Conv def init self filters kernel size strides 1,1 padding valid data format None dilation rate 1,1 ac...
為什麼城市建築外觀不選擇用綠色或其他更接近大自然的顏色？
原木色的建築也就只有木頭本身做出來的建築比較好看，而森林資源本身越來越少，現在的趨勢就是不得不用鋼筋混凝土，施工方便，取材方便，大自然的顏色不如在建築上種點綠植。況且，城市房子那麼多，你不能讓大家一起改，不如在家裡種點植物，至少下班可以養養眼 野娃娃 大自然的綠色是成千上萬種綠色，四季還要變化，人工...