在了解了池化算法的基本概念之后，继续了解一个应用很广泛的池化，叫作全局平均池化。
先看下平均池化。平均池化就是在池化核标定的范围内，对像素取平均值然后作为输出。在很多AI框架或算法描述中，平均池化大概可以分为两种：一种叫作adaptive average pool(自适应平均池化）, 另一种叫作 globle average pool（全局平均池化）。
自适应平均池化，单从算法本身讲，可以看做就是普通的池化，它的池化核可大可小，依据神经网络的算法和结构设计来决定。
而如果池化核的大小和输入图片一样，那么就变成了全局平均池化（GAP, Globle Average Pool）。
如上图，全局平均池化的池化核大小和输入图片的长宽大小一致，都是6x6，因此，池化的结果就是只有一个 1x1 的像素点，上图 d = 3代表是输入图片的 3 个通道。（图源网络）
经过了上图的池化操作，就可以得到一个 1x1x3 的输出特征图，只不过这个输出特征图比较小，有3个通道，而每个通道只有一个像素点。这就是全局平均池化。
全局平均池化的作用
由于全局平均池化在整个特征图上进行池化，并且它是针对每个通道独立计算的，最终得到的是每