在知乎上面看到一个关于池化的神解释，摘来：
池化=涨水
卷积的目的是为了得到物体的边缘形状可以想象水要了解山立体的形状
水位低时得出山脚的形状
水位中等时得出山腰的形状
水位高时得出山顶的形状三点就可以大致描出山的简笔画池化的过程=升高水位(扩大矩阵网格)
卷积的过程是区分哪里是水，哪里是山
加上一点个人理解：
对于网络结构而言，上面的层看下面的层经过pooling后传上来的特征图，就好像在太空上俯瞰地球，看到的只有山脊和雪峰。这即是对特征进行宏观上的进一步抽象。
那么为什么需要 进行抽象 呢？
因为：经过池化后，得到的是 概要统计特征 。它们不仅 具有低得多的维度 (相比使用所有提取得到的特征)，同时还会 改善结果(不容易过拟合) 。
max_pooling： 夜晚的地球俯瞰图，灯光耀眼的穿透性让人们只注意到最max的部分，产生亮光区域被放大的视觉错觉。故而 max_pooling 对较抽象一点的特征（如纹理）提取更好。
average_pooling： 白天的地球俯瞰图，幅员辽阔的地球表面，仿佛被经过了二次插值的缩小，所有看到的都是像素点取平均的结果。故而 average_pooling 对较形象的特征（如背景信息）保留更好。
BP
CNN中一些特殊环节的反向传播：
把梯度直接传给前一层最max的像素，其余像素为0。
根据映射关系，把梯度均分成n份传给前一层。
Thinking
选用 max_pooling 还是 average_pooling ，要看需要识别的图像细节特征情况。知乎上说 二者差异不会超过 2% ，这个我深表质疑。
相比之下，个人感觉 max_pooling 是比 average_pooling 更抽象化的操作，因此可以抽象出更高级一点的特征。
由于pooling太过粗暴，操作复杂，目前业界已经逐渐放弃了对pooling的使用。替代方案 如下：
-
采用 Global Pooling 以简化计算；
-
增大conv的 stride 以免去附加的pooling操作。
[1] CNN中一些特殊环节的反向传播
[2] 深度学习cnn中，怎么理解图像进行池化（pooling）后的平移不变性？
