# ZeroJudge e798. p5. 卷積神經網路

<br>

> [題目 : e798. p5. 卷積神經網路](https://zerojudge.tw/ShowProblem?problemid=e798)

<br>

## 題目描述 :+1:
卷積神經網絡 (CNN) 是一種深度學習模型，主要應用於影像識別。CNN 一般分為三個部分：卷積層、池化層和全連接層。池化層中的最大池化法 (max pooling) 是常見的方法，將輸入的影像劃分為若干個 2×2 的矩形子區域，對每個子區域輸出最大值。

給定一個 n×n 的二維陣列，實作最大池化演算法並輸出池化後的結果。

* 最大池化法示意圖
* 

> 圖片來源：https://embarc.org/embarc_mli/doc/build/html/MLI_kernels/pooling_max.html

<br>

## 輸入說明 :+1:
第一行有一個正整數 n（4<=n<= 20，n 為 2 的倍數），代表輸入影像邊長。接下去有 n 行， 每行各有 n 個數字，數值範圍[-2^31, 2^31) {原題不明確，這明定為int範圍}，以空白隔開，代表影像陣列中的資料值。

<br>

## 輸出說明 :+1:
輸出經 2x2 最大池化後的結果。

<br>

## 解題思路 :+1:
1. **讀取輸入**：首先讀取二維陣列的大小為 n 的元素。
2. **實作最大池化**：將輸入矩陣分成 2x2 的子區域，計算每個子區域中的最大值。
3. **輸出結果**：每次計算出最大值後印出答案。

<br>

## 程式碼 :+1:

#include <iostream>
#include <algorithm>
using namespace std;

int main() {
    ios::sync_with_stdio(false);
    cin.tie(0);

    int n;
    cin >> n;
    int matrix[20][20];
    for (int i = 0; i < n; i++) {
        for (int j = 0; j < n; j++) {
            cin >> matrix[i][j];
        }
    }

    for (int i = 0; i < n; i += 2) {
        for (int j = 0; j < n; j += 2) {
            int a = matrix[i][j];
            int b = matrix[i][j + 1];
            int c = matrix[i + 1][j];
            int d = matrix[i + 1][j + 1];
            cout << max({a, b, c, d}) << ' ';
        }
        cout << endl;
    }

    return 0;
}

## 成果截圖 :+1:

* 

<br>

## 心得 :+1:

* 第一次寫解題報告，希望可以幫助到人~~