平均池化：CNN 中的图像尺寸缩减和特征提取方法

平均池化是一种常用的卷积神经网络（CNN）中的操作，通常用于减少图像尺寸和提取特征。它的作用是将图像分成若干个小块，每个小块计算其像素值的平均值，然后将这个平均值作为该小块的特征值。这样可以减少图像的尺寸，并且可以提取出图像的一些平均特征，有助于网络识别和分类。平均池化的操作可以在卷积神经网络的不同层次进行，通常在卷积层之后和全连接层之前进行。