池化层的输入一般来源于上┅个卷积层主要作用是提供了很强的鲁棒性（例如max-pooling是取一小块区域中的最大值，此时若此区域中的其他值略有变化或者图像稍有平移，pooling后的结果仍不变）并且减少了参数的数量，防止过拟合现象的发生池化层一般没有参数，所以反向传播的时候只需对输入参数求導，不需要进行权值更新

　　前向计算过程中，我们对卷积层输出map的每个不重叠（有时也可以使用重叠的区域进行池化）的n*n区域（我这裏为3*3其他大小的pooling过程类似）进行降采样，选取每个区域中的最大值(max-pooling)或是平均值(mean-pooling)也有最小值的降采样，计算过程和最大值的计算类似

　　上图中，池化层5的输入为卷积层4的输出大小为14*14，对每个不重叠的3*3的区域进行降采样对于max-pooling，选出每个区域中的最大值作为输出而對于mean-pooling，需计算每个区域的平均值作为输出最终，根据池化公式：H?kernel_sizestride+1=14?32+1=6$\frac{}{}\frac{}{}$该层输出一个6*6的map池化层2的计算过程也类似。

2.1 前向传播池化层的输出map大小计算公式

　　由于池化是降采样所以池化改变的是输出map的大小，而不改变输出channel的大小下面昰池化层输出map的长H_out和宽W_out的计算公式: