池化层：给特征图做降采样

池化层把特征图缩小：取一小块区域的最大值（最大池化）或平均值（平均池化）作为一个输出。它降低了计算量，同时赋予模型一定的平移不变性。

池化的设计体现了“有所取舍”的智慧：主动丢弃一部分空间细节，换取对位置变化的免疫力。这告诉我们，鲁棒性往往来自适度的模糊——什么都想抓住，反而什么都抓不牢。

## 核心要点

图片来源：Openverse / jpotisch（https://www.flickr.com/photos/19481970@N00/2458526759）

1. 池化让网络对物体位置的轻微变化更鲁棒。

2. 它逐步压缩空间信息，逐步放大语义信息。

3. 现代网络有时用步长卷积替代池化，一步到位。

4. 池化是不可逆的信息有损压缩。

图片来源：Openverse / Duncan Rawlinson – Duncan.co（https://www.flickr.com/photos/44124400268@N01/53761673583）

## 写在最后

以上是关于「池化层」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。