講完了Convolution Layer，今天來介紹Pooling Layer(池化層)，池化的計算過程非常簡單，但卻非常強大。

池化可以在壓縮圖片大小的同時，保留重要的特徵，運作原理也很簡單，我們先看圖片。

池化和前面的卷積有一點點像，可以選擇池化的大小，通常為2x2或者是3x3，例如圖中的就是一個2x2，步長為2的池化層，並且選擇了Max Pooling。

這邊就要介紹一下兩種常見的Pooling:

• Max Pooling
  以圖來解釋，就是在框框中的四格中取最大值
• Mean Pooling
  這名字應該一看就能理解，就是在框框中的4個取平均值

以下再來介紹除了壓縮圖片大小(降維)和保留特徵外Pooling的特性:

Invariance (不變性)

Invariance又包括了三種:

1. translation(平移)

   可以看到，圖中都有一個數字1，圖片大小為16x16，不同的地方在於上圖的 1偏左，下圖的1偏右，但在經過池化後，1的位置卻是一樣的，成為了一個 相同的矩陣，也就是平移不變。

   

2. rotation(旋轉)

   由下圖也可以看到，一張斜線和一張水平線的圖片，在經過Pooling後也成
   為了相同的矩陣，也就是旋轉不變。

   

3. scale(尺度)

   以下兩張圖片也很相似，不同的地方在於大小，上圖較大，下圖較小，儘管如
   在經過多次Pooling之後，又成為了相同的矩陣，也就是尺度不變。

   

Pooling Layer就先暫時講到這邊，計算過程比較簡單，也比較好理解，之後有特殊的地方會在進行補充。

資料來源:
https://vinodsblog.com/2018/10/15/everything-you-need-to-know-about-convolutional-neural-networks/
https://brohrer.mcknote.com/zh-Hant/how_machine_learning_works/how_convolutional_neural_networks_work.html
https://www.zhihu.com/question/36686900