上一篇我們認識了 CNN 最重要的核心之一：Convolution
我們知道 Kernel 會在圖片上移動，對不同的局部區域進行計算，最後產生新的 Feature Map
但這裡又出現了一個問題：如果 Feature Map 一直維持很大的尺寸，隨著 CNN 越來越深，需要處理的資料量不就也會越來越多嗎？

因此 CNN 中經常會在 Convolution 後加入另一個操作Pooling（池化）

一、Pooling 是什麼？

Pooling 最主要的作用，就是將 Feature Map 的空間尺寸縮小

例如原本有一張8 × 8的 Feature Map，經過 Pooling 之後可能變成4 × 4，但 Pooling 並不是單純把資料隨便刪掉，而是會從一小塊區域中，利用特定方式選出一個代表值

最常見的兩種方法就是 MaxPooling 和 AveragePooling

二、MaxPooling：留下最大的值

假設現在 Feature Map 中有一個 2 × 2 的區域

3   1
0   2

如果使用 MaxPooling，做法非常直接，就是找出這個區域裡最大的值
這四個數字中：3、1、0、2 最大的是 3，所以經過 MaxPooling後只留下 3，接著再移動到下一個區域，繼續做一樣的事情

三、AveragePooling：留下平均值

AveragePooling的做法是計算這個區域的平均值，同樣使用：

3   1
0   2

計算：

(3 + 1 + 0 + 2) ÷ 4 = 1.5

因此兩種方法最大的差別就是

在 CNN 中，MaxPooling 是很常見的選擇，因為它可以保留區域中較強的特徵反，AveragePooling 則會將整個區域的資訊平均化

四、為什麼要把 Feature Map 變小？

看到這裡可能會覺得好不容易透過 Convolution 得到 Feature Map，為什麼又要把它縮小？

第一個原因是減少計算量，假設原本 Feature Map 是 64 × 64，經過 2 × 2 Pooling，並且每次移動 2 格後，可能變成 32 × 32，原本有 4096 個位置，現在只剩下 1024 個位置，這就可以讓後面的 CNN Layer 需要處理的資料量也跟著下降

五、不是越小越好

不過 Pooling 也不是做得越多越好，因為尺寸縮小的同時，也代表部分細節會被捨棄，如果一直 Pooling，雖然資料量越來越少，但圖片原本的細節和位置資訊也會跟著減少，尤其我們現在處理的是皮膚病灶圖片，一些細微的邊界、紋理或局部變化，都可能是模型學習時有用的資訊

所以 Pooling 的目的並不是圖片越小越好，而是希望在保留有用特徵與降低資料量之間取得平衡

六、Pooling 和 Feature Extraction 有什麼關係？

前面我們一直提到 Feature Extraction（特徵提取），CNN 的前半段其實可以先簡單理解成不斷進行：

圖片⮕Convolution⮕Feature Map⮕Pooling⮕Convolution⮕Feature Map⮕Pooling⮕...

其中 Convolution 負責從局部區域學習不同的特徵，而 Pooling 則進一步壓縮 Feature Map 的空間尺寸

隨著 Layer 越來越深，模型所使用的資訊也會從比較局部、簡單的模式，逐漸組合成更複雜的特徵表示
這整個過程就可以視為 CNN 的 Feature Extraction

七、在 TensorFlow 中怎麼寫？

如果要使用 MaxPooling，其實程式碼非常簡單：

tf.keras.layers.MaxPooling2D(pool_size=(2, 2))
pool_size=(2, 2) 

代表每次觀察一個2 × 2的區域

AveragePooling 則可以寫成：

tf.keras.layers.AveragePooling2D(pool_size=(2, 2))

所以之後真正建立 CNN 時，就可能看到這樣的組合：

tf.keras.layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
tf.keras.layers.MaxPooling2D(pool_size=(2, 2))