标准回答
池化的作用
池化是 CNN 中的降采样操作，在每个局部窗口上聚合特征，主要作用有三：减小特征图尺寸从而降低计算与参数、扩大后续卷积的感受野、引入局部平移不变性使模型对小位移更鲁棒。
最大池化 vs 平均池化
- 最大池化（Max Pooling）：取窗口最大值，保留最强响应，能突出边缘、纹理等显著特征，对识别「是否存在某特征」更有效，是分类网络中的常见选择；
- 平均池化（Average Pooling）：取窗口均值，保留区域整体信息、平滑噪声，丢失尖锐细节较多。
全局平均池化（GAP）
把每个通道的整张特征图平均成一个值，直接得到通道维向量替代全连接层，参数更少、抗过拟合，是现代分类网络（如 ResNet）的常用收尾。
选择原则
需要突出显著特征、做特征检测时用 max；需要保留整体分布或做最终聚合时用 avg/GAP。
常见误区
⚠️ 常见踩坑
把池化和卷积步长降采样混为一谈——池化无可学习参数；以为池化必不可少，实际上很多现代网络用步长卷积替代池化完成降采样。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。