池化层:池化层被夹在连续的卷积层之间，用于压缩数据和参数的量，减小过拟合。 简单来说，如果输入是图像，则池化层的最重要的作用是压缩图像。
池化层分为三类：平均池化、最大池化和随机池化。
以最大的池塘化为例：
上面的示例是以步幅2进行2X2的最大池化时的处理步骤。 最大池化是得到最大值的运算，“2X2”表示目标区域的大小。 如上图所示，从22个窗口的移动间隔是2个要素。 此外，池化窗口大小通常设置为与步幅相同的值。 例如，3X3窗口的步幅设置为3，4x 4窗口的步幅设置为4。
最大池化的优点是减小了卷积层的参数误差引起的估计值平均的偏差，能够保持更多的纹理信息。
特点：1.没有学习参数池层和卷积层不同，没有学习参数。 因为池化只是从目标区域获取最大值(或平均值)，所以不存在要学习的参数。
2 .经过通道数不变化的池运算，输入数据和输出数据的通道数不变化。
3 .即使对于微小的位置变化稳健的输入数据产生微小的偏差，池化也会返回相同的结果。 因此，池化对输入数据的微小偏差是鲁棒的。 例如，对于3X3池化，池化会吸收输入数据的偏差，如下图所示(根据数据的不同，结果可能不一致)。
可能会有人问，为什么标题说明池化层的作用，为什么谈论最大池化？ 为什么这么说，是因为在图像识别领域，主要使用最大池化。
平均池化的作用是减小了由于附近大小受到限制而导致的估计值的方差的增大，能够保持更多的图像背景信息。