在圖像處理中，可以對圖像進行降採樣以減少像素數量，從而減少圖像的大小，而仍然保留足夠的細節以進行分析或顯示，平均池化(average pooling)和最大池化(max pooling)是實現的方法，其中又以最大池化較常見，下面簡單介紹一下執行的過程。

【池化層沒有參數、池化層沒有參數、池化層沒有參數】

1. 設定池化窗口大小： 池化窗口是一個固定大小的矩形區域，它在輸入特徵圖上滑動。通常，池化窗口的大小是正方形的，例如 2x2 或 3x3。

2. 滑動池化窗口： 池化窗口以一定的步長（stride）在輸入特徵圖上滑動，步長通常是1或2。步長決定了池化操作的輸出尺寸。

3. 提取窗口內的最大值： 在每個池化窗口位置，最大池化操作將窗口內的數據取最大值。這意味著在每個窗口中選擇窗口內最亮的像素或特徵。

4. 生成輸出特徵圖： 每次提取最大值後，將其放入輸出特徵圖的對應位置。這樣，逐步滑動池化窗口直到覆蓋整個輸入特徵圖，最終生成輸出特徵圖。

圖片來源

由上圖可以看的出來，過程是對原圖取最大值，因此這個池化層是模型是沒有參數的。用 Pytorch 實現的方法如下：

pool = nn.MaxPool2d(2) # 池化區設定為 2
output = pool(img.unsqueeze(0))
print(img.unsqueeze(0).shape, output.shape)

可以發現圖片的長寬小了一倍。

結語

今天介紹了降採樣的實現方法最大池化，好處是可以縮減運算量的同時保留特徵，明天會再嘗試提高對於貓咪與兔子分類的準確度。