Max - Pooling 与 Average - Pooling

参考：https://www.zhihu.com/question/23437871

           https://blog.csdn.net/u012193416/article/details/79432668

Pooling 的作用

Pooling 操作就是仿照人的视觉系统，进行dowm-sampling操作，而起到了整合特征的作用

特征提取中的误差来自于

1. 邻域大小受限造成的估计方差增大
2. 卷积层参数误差造成估计均值偏移

Max - Pooling

感觉更像是做了特征选择，选出了分类辨识度更好的特征，能够减少第2中误差，更多的保留图像的纹理信息

torch.nn.MaxPool2d() - 2维最大池化操作

class torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)

参数：

• kernel_size(int or tuple) - Max - Pooling的窗口大小
• stride(int or tuple, optional) - Max - Pooling的窗口移动的步长, 默认值是kernel_size
• padding(int or tuple, optional) - 输入的每一条边补充0的层数