多維池化在卷積神經(jīng)網(wǎng)絡(luò)中很常見(jiàn)。池化常用來(lái)縮減模型大小、提升計(jì)算速度，同時(shí)提高所提取特征的魯棒性（Robust，意思與健壯性相近，具體可自行百度）。

池化的最常用的一種是最大池化，本文以最大池化為例。最大池化（而不是最小池化或其他）的一個(gè)原因是矩陣的某一位置的數(shù)字越大，代表提取了某些特定的特征。

如圖所示。池化操作有兩個(gè)超參：步長(zhǎng)（stride）和過(guò)濾器維度。常用的超參組合是步長(zhǎng)為2，過(guò)濾器維度為（2x2）。這樣設(shè)置的結(jié)果是輸入的高度和寬度減少為原來(lái)的一半。

多維池化操作的重點(diǎn)是，輸入圖的n個(gè)通道是分別進(jìn)行池化操作，再疊加到一起作為輸出的。因?yàn)槊恳粋€(gè)channel都是一個(gè)需要學(xué)習(xí)的特征。