最大池化（Max-Pooling）
池化（Pooling）操作通常被用在卷积神经网络中。一个最大池化层从一块特征中选取最大值。与卷积层一样，池化层也是通过窗口（块）大小和步幅尺寸进行参数化。例如，在一个 10×10 特征矩阵上以 2 的步幅滑动一个 2×2 的窗口，然后选取每个窗口的 4个值中的最大值，得到一个 5×5 特征矩阵。池化层通过只保留最突出的信息来减少表征的维度；在这个图像输入的例子中，它们为转译提供了基本的不变性（即使图像偏移了几个像素，仍可选出同样的最大值）。池化层通常被安插在连续卷积层之间。