CNN中的最⼤池化（MaxPool2D）的参数和含义，同样的我们看看官⽅的⽂档，对于最⼤池化的函数定义：
tf.keras.layers.MaxPool2D(
pool_size=(2,2), strides=None,
padding='valid', data_format=None,**kwargs
)
这个函数给出了4个关键字参数，都是有 默认值的，这意味着你如果⼀个参数都不给，也是可以的。
pool_size = (2,2)，池化核的尺⼨，默认是2×2
strides = None，移动步长的意思 ，默认是池化核尺⼨，即2，
padding = ‘valid’，是否填充，，默认是不填充
data_format = ‘channels_last’，输⼊数据的格式为(batch_size, pooled_rows, pooled_cols, channels)）0、当你使⽤tf.keras.layers.MaxPooling2D()，直接使⽤，结果如下 ：
此时输出的output_shape = (input_shape - pool_size + 1) / strides
1、⾸先看看第⼀个关键字参数，pool_size池化核的尺⼨ 例如，
pool_size = （3,3）
池化核的尺⼨，可以⼀个数组或者元组，当 ⽤ ⼀个数字时，表⽰ width和height⼀样，最⼤池化后输出的尺⼨⼤⼩公式为output_shape = (input_shape - pool_size + 1) / strides，下⾯例⼦中，input_shape = 6, pool_size = 3 ,strides =1 ，所以 output_shape = (6-
3+1)/1 = 4,
2 、 第⼆个参数 是strides，池化窗⼝的移动 步长，默认是None，并不是1的意思啊，默认是和pool_size保持⼀致，当然也可以赋值，此处是⼀个整型数值，⽐如strides = 3，
3 、 第三个参数是padding，填充，
此处有两个取值 padding = ‘valid’，有效的，
padding = ‘same’，相同的，
当取值valid时，表⽰边缘不填充， output_shape = (input_shape - pool_size + 1) / strides)，向上取整
当取值‘same’时，表⽰边缘0填充， output_shape = input_shape / strides，向上取整
4、数据格式，data_format，⼀个字符串，⼀个channels_last （默认）或channels_first 。在输⼊⽅⾯的排序。 channels_last对应于输⼊与形状(batch, height, width, channels)⽽channels_first对应于与形状输⼊(batch, channels, height, width) 。
看似简单的⼀个函数，搞清楚其参数和⽤法，使⽤起来就不会有困惑的地⽅了。
