池化的主要目的是降维，即在保持原有特征的基础上最大限度地将数组的维数变小。
池化的操作外表跟卷积很像，只是算法不同：
卷积是将对应像素上的点相乘，然后再相加。
池化中只关心滤波器的尺寸，不考虑内部的值。
算法是：滤波器映射区域内的像素点取平均值或最大值。
池化步骤也有步长，这一点与卷积是一样的。
1 均值池化
就是在图片上对应出滤波器大小的区域，对里面的所有不为0的像素点取均值。这种方法得到的特征数据会对背景信息更敏感一些。
注意：一定是不为0的像素点，这个很重要，如果把带0的像素点加上，则会增加分母，从而使整体数据变低。
2 最大池化
最大池化就是在图片上对应滤波器大小的区域，将里面的所有像素点取最大值。这种方法得到的特征数据会对纹理特征的信息更敏感一些。
3 反向传播
池化的反向传播比卷积容易理解。对于最大池化，直接将其误差还原到对应的位置，其他用0填入；对于均值池化，则是将其误差全部填入该像素对应的池化区域。
参考