1、Pooling Layers（池化层）
2、池化层用来降维以加速运算
3、Max Pooling（最大池化）
对降维前的图像进行均分、将降维后的对应区域用降维前对应区域的像素最大值填充
相当于卷积核尺寸 f = 2，跨步 s = 2
Max Pooling 的思想：如果在此区域检测到特征，那么就保留此区域的最大值、如果在此区域未检测到特征，那么此区域的最大值也不会很大
4、池化层有固定的超参数（例如 f、s）但没有需要学习的参数 w、b
5、另一个池化层的例子
6、对于多个 channel 的输入、在每个 channel 上独立进行 Max Pooling 运算
7、Average Pooling（平均池化、不常用）
即将 Max Pooling 的取最大值运算换成取平均值运算
只有在非常深的神经网络中、使维数迅速下降（例如从 7 * 7 * 1000 到 1 * 1 * 1000）
8、池化层的超参数
1）f 为卷积核尺寸
2）s 为移动跨度
例如，
3）使用 Max Pooling 或 Average Pooling
4）通常在池化层不使用 Padding，即 p = 0
不过也有例外