由 Aphex34 (自己的作品) CC BY-SA 4.0， 通过 Wikimedia Commons 共享
这是一个最大池化的例子max pooling 用了 2x2 的滤波器 stride 为 2。四个 2x2 的颜色代表滤波器移动每个步长所产出的最大值。
例如 [[1, 0], [4, 6]] 生成 6，因为 6 是这4个数字中最大的。同理 [[2, 3], [6, 8]] 生成 8。 理论上，最大池化操作的好处是减小输入大小，使得神经网络能够专注于最重要的元素。最大池化只取覆盖区域中的最大值，其它的值都丢弃。
TensorFlow 提供了 tf.nn.max_pool() 函数，用于对卷积层实现 最大池化 。
1 conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding='SAME') 2 conv_layer = tf.nn.bias_add(conv_layer, bias) 3 conv_layer = tf.nn.relu(conv_layer) 4 # Apply Max Pooling 5 conv_layer = tf.nn.max_pool( 6 conv_layer, 7 ksize=[1, 2, 2, 1], 8 strides=[1, 2, 2, 1], 9 padding='SAME')
tf.nn.max_pool() 函数实现最大池化时， ksize参数是滤波器大小，strides参数是步长。2x2 的滤波器配合 2x2 的步长是常用设定。
ksize 和 strides 参数也被构建为四个元素的列表，每个元素对应 input tensor 的一个维度 ([batch, height, width, channels])，对 ksize 和 strides 来说，batch 和 channel 通常都设置成 1。
strides [1, 2, 2, 1] 参数：
- strides[0] = 1，也即在 batch 维度上的移动为 1，也就是不跳过任何一个样本，否则当初也不该把它们作为输入（input）
- strides[1] = 2，水平移动的步长
- strides[2] = 2，垂直移动的步长
- strides[3] = 1，也即在 channels 维度上的移动为 1，也就是不跳过任何一个颜色通道；
一般情况下，需要可能需要更改的就是中间的两个变量。