最大池化与平均池化区别

最大池化层：
、计算最大值和记录最大值所在输入数据中的位置
、缩减模型的大小
、提高计算速度
、减少无用信息的影响
、提高所提取特征的鲁棒性(最大值)

计算池化层
卷积层输出大小的公式同样适用于最大池化，(n+2p-f)/s+1
（input_width + 2*padding - pool_size）/stride+1

平均池化与最大池化区别：
前向传播中计算pool区域内的最大值并记录该最大值所在输入数据中的位置，为了在反向传播中，需要把梯度值传到对应最大值的位置置。而且反向传播也就是把梯度值直接传给前一层某一个像素，而其他像素不接受梯度，也就是为0。所以max pooling操作和mean pooling操作不同点在于需要记录下池化操作时到底哪个像素的值是最大，也就是max id，这个变量就是记录最大值所在位置的，因为在反向传播中要用到。