昨天幾天介紹完了CNN的核心—卷基層，還有激活函數後，今天要提到的是池化層！

池化層（Pooling Layer）
池化層的目的是減少特徵圖(feature map)的尺寸，這樣可以讓我們降低網絡的計算量，並提取圖像中的主要特徵，也提高模型對位置變化的容忍度。

1.最大池化（Max Pooling）
最大池化從一個區域中選取最大值。這樣可以讓我們不但可以保留該區域中最主要的特徵，也因此實現降維和提取關鍵特徵的效果。

2. 平均池化（Average Pooling）
   平均池化則是取該區域內所有值的平均值。比起最大池化，平均池化更強調整個區域特徵的平均分布，但它在提去比較細節及片面地方的效果比不上最大池化。

他的優點～
降維：減少特徵圖的尺寸→降低網絡的計算複雜度。
防止過擬合：通過降低特徵圖的空間尺寸，池化層可以減少模型的參數→降低過擬合的風險。
保留重要特徵：我們透過選取區域內的最大值或平均值，池化層可以保留圖像中的重要特徵，同時忽略不重要的細節。

通常我們把池化操作使用的核大小定位為2x2，步長也設為2，確保池化區域之間不會重疊。這種設置在保留關鍵特徵的同時，也有效地縮小了特徵圖的尺寸！