池化层（类型+超参数）

        前面学过了卷积，单有卷积其实存在一些问题，卷积对于位置非常的敏感，这不是好事，比方说：在训练时我检测到边缘在某个位置，但在其他的图像中未必其边缘就刚好在某个位置，可能会有一定程度的偏移，因此需要引出池化层。

        池化层类型。二维最大池化：返回滑动窗口中的最大值，提取每个窗口中最强的模式信号。平均池化层：因为平均了，比较柔和。

        池化中三个超参数：窗口大小，padding,  stride。没有需要学习的参数。

池化层的特点

        池化之后图像大小计算：

准确来说，应该是右式子下取整等于左式子。 

        总结：池化类型2种。超参数三个。池化可以改善卷积对于位置的敏感性。通常池化层在卷积层之后。