CNN中池化层的作用？池化有哪些操作？

（还没写完~）

一、What is 池化

1. 基本介绍

池化一般接在卷积过程后。池化，也叫Pooling，其本质其实就是采样，池化对于输入的图片，选择某种方式对其进行压缩，以加快神经网络的运算速度。这里说的某种方式，其实就是池化的算法，比如最大池化或平均池化。在卷积神经网络中通常会在相邻的卷积层之间加入一个池化层，池化层可以有效的缩小参数矩阵的尺寸，从而减少最后连接层的中的参数数量。所以加入池化层可以加快计算速度和防止过拟合的作用。
注：池化层一般在卷积层后

下面来感性理解一下Pooling操作提出的背景，在深度学习任务中，肯定是在保证信息量的前提下，输入给计算机的数据越少越好，就比如下图，左图右图都不影响我们判定这是一只鸟，计算机也是如此，然而经过Pooling操作的右图显然数据给恒更少，计算机运算更快，是更优的。

2. 池化的作用

（1）对卷积层所提取的信息降维，减少计算量、减小内存消耗
（2）加强图像特征的不变性，使之增加图像的偏移、旋转等方面的鲁棒性

（3）扩大感受野
（