关于卷积神经网络结构的一点疑问~

[红鲤鱼遇绿鲤鱼]

小弟初学卷积神经网络，现在有以下疑问。

1.卷积神经网络中的卷积核与图像滤波中的卷积操作不同，神经网络中的卷积核可能会改变图像大小对吗？

2.如果卷积核对图像大小有改变，那么在池化层当中的下采样操作中，为什么要单独设置一个池化层？不能用一个卷积核来代替下采样的操作吗？

3.池化层的下采样操作是否是固定的？还是里面采样方式需要在训练的过程中进行学习？

请各位大佬指教

[ll_pp]

回答可能不对，仅供参考：
1、卷积会改变图像的大小。吴恩达的教程（网易云课堂）里有计算公式。
2、池化操作是降维，减小计算参数。2X2的池化可以把图像缩小为原来的一半，计算方法和卷积不同。
3、池化操作一般会指定是平均池化还是最大值池化，采样方式不用学习。

[ninjadark6]

请注意是在逐层提取特征，并不是在改变图像信息。

[Shower]

1. 主要看做卷积的参数，由Filter Size,Padding,Stride等参数觉得输出的图片大小.
2.卷积主要功能是提取特征，池化主要目的是对输入的特征图进行压缩，一方面使特征图变小，简化网络计算复杂度；一方面进行特征压缩，提取主要特征.
3.池化分最大值池化和平均值池化，是固定计算方式，不需要学习

[Leon_96]

训练神经网络的数据集用图片还是纯数据？我这有一份表格样式的数据不知道怎么用？求指教！！！