1. 池化層的概念
池化是縮小高、長方向上的空間的運算。比如，如圖7-14 所示，進行將 2 × 2 的區域集約成 1 個元素的處理，縮小空間大小。
圖7-14 的例子是按步幅 2 進行2 × 2 的Max池化時的處理順序。Max池化 是獲取最大值的運算，“2 × 2”表示目標區域的大小。如圖所示，從 2 × 2 的區域中取出最大的元素。此外，這個例子中將步幅設爲了 2，所以
2 × 2 的窗口的移動間隔爲2 個元素。
另外，一般來說，池化的窗口大小會和步幅設定成相同的值。比如，3 × 3 的窗口的步幅會設爲 3，4 × 4 的窗口的步幅會設爲 4 等。
除了 Max 池化之外，還有 Average 池化等。相對於 Max 池化是從目標區域中取出最大值，Average 池化則是計算目標區域的平均值。在圖像識別領域，主要使用 Max 池化。
2. 池化層的特徵
2.1 沒有要學習的參數
池化層和卷積層不同，沒有要學習的參數。池化只是從目標區域中取最大值（或者平均值），所以不存在要學習的參數。
2.2 通道數不發生變化
經過池化運算，輸入數據和輸出數據的通道數不會發生變化。如圖 7-15 所示，計算是按通道獨立進行的。
2.3 對微小的位置變化具有魯棒性（健壯）
輸入數據發生微小偏差時，池化仍會返回相同的結果。因此，池化對輸入數據的微小偏差具有魯棒性。比如，3 × 3 的池化的情況下，如圖7-16 所示，池化會吸收輸入數據的偏差（根據數據的不同，結果有可
能不一致）。
