池化算法也是 CNN 网络中非常常见的算法。

池化这一算法理解起来比较简单，从名字中或许可以看到一些东西：从一个像素池子中选取一些有代表性的像素出来。

常见的池化有最大池化和平均池化。最大池化就是从像素池子中选取最大值出来，而平均池化就是从像素池子中选取平均值出来。

下面是一个最大池化的动图示意图。

如上，假设左侧最大的黑色方框为输入图片，紫色的2x2的方框为池化的核函数，也就是上面说的那个像素池子的大小。

从计算过程来看，池化操作和卷积类似，也是一个核函数在原始图像上扫描，由左往右，由上而下，然后根据池化的类型从像素池子中选取不同的值作为输出。

上图表示的是最大池化，也就是每次选取一个紫色像素池子中的最大值，作为对应位置的输出，平均池化就是计算像素池子中的所有像素的平均值，作为对应位置的输出，就这么简单。

关于池化的参数，池化和卷积很像，也有padding参数、stride参数，但没有dilation参数，也就是不会将池子（池化核）膨胀，这些参数的用法和作用与卷积一样，这里就不再赘述了。

为什么需要池化

首先池化比卷积简单很多，它少了通道维度的累加操作。也就是说，它的所有操作只在一个图像长和宽的平面上进行，有多少个通道，就重复进行多少次。

少了通道的累加操作，会使得池