什么是池化层？它有什么作用？（面试题200合集，高频、关键）

什么是池化层？

池化层（Pooling Layer）是卷积神经网络（CNN）中的一种重要组成部分，主要用于对输入的特征图（feature maps）进行降采样（down-sampling）。它的核心思想是通过在局部区域内对数据进行聚合（例如取最大值或平均值），从而减少特征图的空间维度（即高度和宽度），同时保留关键的特征信息。池化层通常出现在卷积层之后，作为神经网络中的一个处理步骤。

池化层的操作可以看作是对特征图的“压缩”：它通过一个滑动窗口（称为池化窗口）在特征图上移动，按照特定的规则（比如取最大值或平均值）生成输出的每个元素。常见的池化类型包括：

• 最大池化（Max Pooling）：在池化窗口内选择最大的值作为输出。
• 平均池化（Average Pooling）：在池化窗口内计算所有值的平均值作为输出。
• 全局池化（Global Pooling）：对整个特征图进行池化，将其压缩为单个值，常用于网络的末端。

例如，假设输入特征