在 卷积神经网络（CNN） 中，池化层（Pooling Layer） 是用来 减少特征图的空间尺寸、减少计算量、控制过拟合 的关键层。池化层通过 窗口操作 将输入特征图中一定区域的信息压缩成一个单一的值，常见的池化方式有 最大池化（Max Pooling） 和 平均池化（Average Pooling）。这两种池化方式的基本原理是相同的：在一个固定大小的窗口内进行某种聚合操作。下面是两者的详细解析。

1. 最大池化（Max Pooling）

原理

最大池化是指，在池化窗口内（如 2x2 或 3x3 的大小），选择窗口内的 最大值 作为该区域的输出。

数学表达：
假设池化窗口大小为