Pooling 池化层

为什么要池化？

1. 特征不变性（feature invariant）
   池化操作使模型更关注是否存在某些特征而不是特征具体的位置
   可看作是一种很强的先验，使特征学习包含某种程度自由度，能容忍一些特征微小的位移
2. 特征降维
   由于池化的降采样（downsampliing）作用，池化结果中的一个元素对应于原输入数据的一个子区域（sub-region），因此池化相当于在空间范围内做了维度约减（spatially dimension reduction），从而使模型可以抽取更广范围的特征
   同时减小了下一层输入大小，进而减小计算量和参数个数
3. 在一定程度上能防止过拟合的发生

max pooling比average pooling更常用

没有parameter需要去学习