池化层

MaxPooling1D用于对输入时序数据的最大池化。构造方法为：

keras.layers.MaxPooling1D(
	pool_size=2, 
	strides=None, 
	padding='valid', 
	data_format='channels_last')

其中pool_size参数为最大池化的窗口大小。

相似的还有MaxPooling2D和MaxPooling3D，分别用于对空间和时空间数据的最大池化。

除最大池化以外，还有平均池化、全局最大池化层，分别是AveragePooling和GlobalMaxPooling。

池化的主要功能是逐步减少输入表征的空间尺寸，可以使输入表征更小，更容易操作，并且减少网络中的参数和计算数量抑制过拟合，可帮助神经网络获得不因尺寸而改变的等效图片表征（可以探测图片中的物体，而不论物体在什么位置）。卷积层层与池化层一起能够实现特征提取，之后可以交由全连接层进行分类。