池化层

我们计算卷积时，会用卷积核滑过特征图的每一个像素。如果特征图的像素很大，那么卷积层的计算量就会很大。所以我们通常在几个卷积层后加一个池化层，以降低特征图的分辨率。

图1代表的最大池化层。
我们将4X4的特征图分为了4部分，而池化后的输出图的取值为4个部分中的最大值。

图2位平均池化层
也就是池化后的结果是取每部分的平均值。

池化层主要作用

（关于第二点，可以参考下面这个链接：https://www.zhihu.com/question/36686900）
1.就是降维，也就是我们上面所说的降低图片分辨率的操作。
2. invariance(不变性)，这种不变性包括translation(平移)，rotation(旋转)，scale(尺度)
(1) translation invariance：
这里举一个直观的例子(数字识别)，假设有一个16x16的图片，里面有个数字1，我们需要识别出来，这个数字1可能写的偏左一点(图1)，这个数字1可能偏右一点(图2)，图1到图2相当于向右平移了一个单位，但是图1和图2经过max pooling之后它们都变成了相同的8x8特征矩阵，主要的特征我们捕获到了，同时又将问题的规模从16x16降到了8x8，而且具有平移不变性的特点。图中的a（或b）表示，在原始图片中的这些a（或b）位置，最终都会映射到相同的位置。

(2) rotation invariance：
下图表示汉字“一”的识别，第一张相对于x轴有倾斜角，第二张是平行于x轴，两张图片相当于做了旋转，经过多次max pooling后具有相同的特征

(3) scale invariance：
下图表示数字“0”的识别，第一张的“0”比较大，第二张的“0”进行了较小，相当于作了缩放，同样地，经过多次max pooling后具有相同的特征