CNN中的最大池化（MaxPool2D）的参数和含义，
同样的我们看看官方的文档，对于最大池化的函数定义：
tf.keras.layers.MaxPool2D(
pool_size=(2, 2), strides=None,
padding='valid', data_format=None, **kwargs
)
这个函数给出了4个关键字参数，都是有 默认值的，这意味着你如果一个参数都不给，也是可以的。
pool_size = (2,2),池化核的尺寸，默认是2×2
strides = None，移动步长的意思 ，默认是池化核尺寸，即2，
padding = ‘valid’,是否填充，，默认是不填充
data_format = ‘channels_last’,输入数据的格式为(batch_size, pooled_rows, pooled_cols, channels)）
0、当你使用tf.keras.layers.MaxPooling2D(),直接使用，结果如下 ：
此时输出的output_shape = (input_shape - pool_size + 1) / strides
1、首先看看第一个关键字参数，pool_size池化核的尺寸 例如，
pool_size = （3,3）
池化核的尺寸，可以一个数组或者元组，当 用 一个数字时，表示 width和height一样，最大池化后输出的尺寸大小公式为output_shape = (input_shape - pool_size + 1) / strides，下面例子中，input_shape = 6, pool_size = 3 ,strides =1 ,所以 output_shape = (6-3+1)/1 = 4,
2 、 第二个参数 是strides，池化窗口的移动 步长，默认是None，并不是1的意思啊，默认是和pool_size保持一致，当然也可以赋值，此处是一个整型数值，比如strides = 3，
3 、 第三个参数是padding，填充，
此处有两个取值 padding = ‘valid’，有效的，
padding = ‘same’，相同的，
当取值valid时，表示边缘不填充， output_shape = (input_shape - pool_size + 1) / strides)，向上取整
当取值‘same’时，表示边缘0填充， output_shape = input_shape / strides，向上取整
4、数据格式，data_format，一个字符串，一个channels_last （默认）或channels_first 。在输入方面的排序。 channels_last对应于输入与形状(batch, height, width, channels)而channels_first对应于与形状输入(batch, channels, height, width) 。
看似简单的一个函数，搞清楚其参数和用法，使用起来就不会有困惑的地方了。