池化（pooling）

池化，是网络「拉远镜头」的那一步。在某一层产出了细致的特征图之后，池化把它们缩小——做法是把每一小片邻域归纳成一个数，留下要旨，扔掉细枝末节。这就像给一张照片做缩略图：你失去了像素级的细节，但整体形状还在，文件也小了很多、处理起来更快。

最常见的一种是「最大池化」：把一个小窗口（常是 2×2）滑过特征图，每停一处，只保留窗口里最大的那个值。既然大的值意味着「这一小片里某处强烈地出现了这种特征」，最大池化便记下了「这个特征出现过」，却忘掉了它具体在哪个像素。「平均池化」则保留窗口里的平均值——是更温和的一种归纳。无论哪种，特征图都会变小，通常宽高各减一半，于是更深的层做的活更少，还能一眼看到图像更宽的范围。

池化换来两样东西。它让网络更省，并赋予一点「平移不变性」：哪怕猫往左挪了几个像素，池化后的归纳几乎不变，识别因此更稳。要老实说出的代价是：池化是故意丢掉空间精度的——对「这里有没有猫？」无妨，可一旦你需要精确知道每条边缘究竟落在哪里（比如像素级的任务），就成了问题。正因如此，许多现代结构少用池化，或者用「带步幅的卷积」来取代它：既缩小了特征图，又能学会该怎么去做这个归纳。