通过平均池化层图像尺寸变化

平均池化层是一种常用的卷积神经网络层，它的作用是对输入的特征图进行降采样，从而减少特征图的尺寸和参数数量，从而提高计算效率和泛化能力。平均池化层的操作是将输入特征图划分为若干个大小相同的区域，然后计算每个区域内像素值的平均值，得到一个降采样后的特征图。

平均池化层的尺寸变化取决于两个参数：池化核大小和步幅。池化核大小指的是每个区域的大小，通常为正方形，例如2x2或3x3。步幅指的是池化核每次移动的距离，通常为1或2。池化核大小和步幅越大，降采样后的特征图尺寸就越小。

例如，假设输入特征图大小为28x28，池化核大小为2x2，步幅为2，那么经过一次平均池化层后，输出特征图大小为14x14。再经过一次平均池化层，输出特征图大小为7x7。依此类推，每经过一次平均池化层，特征图的尺寸就会减半。