tf.nn.max_pool(value, ksize, strides, padding, data_format, name)
参数介绍：
value：需要池化的输入，一般池化层接在卷积层后面，所以输入通常是feature map，依然是[batch, height, width, channels]这样的shape。
| batch | 训练时一个batch的图片数量 |
| in_height | 图片高度 |
| in_width | 图片宽度 |
| in_channels | 图像通道数 |
ksize：池化窗口的大小，取一个四维向量，一般是[1, in_height, in_width, 1]，因为我们不想在batch和channels上做池化，所以这两个维度设为了1。
strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]。
padding：和卷积类似，可以取'VALID' 或者'SAME'。strides：和卷积类似，窗口在每一个维度上滑动的步长，一般也是[1, stride,stride, 1]。
返回值介绍：
结果返回一个Tensor，这个输出，就是我们常说的feature map，shape仍然是 [batch, height, width, channels] 这种形式。
特征图的行列数计算公式:
对于n*n的矩阵, 使用 f*f 的核进行卷积, 填充宽度为p, 若纵向步幅为s1, 横向步幅为s2则特征图的行列数为:
