1.池化的作用：
①降级图像感受野；
②降维；
2.使用场景
avgpool：
当feature map中的信息都应该有所贡献的时候用avgpool，
例如图像分割中常用global avgpool来获取全局上下文关系，
再例如224*224图像分类将最后的7*7map进行avgpool而不是maxpool，
是因为网络深层的高级语义信息一般来说都能帮助分类器分类。
maxpool：
反之为了减少无用信息的影响时用maxpool，比如网络浅层常常见到maxpool，因为开始几层对图像而言包含较多的无关信息。
全局平均赤化：
替代全连接层。
比如1024个特征图，直接每个特征图求平均值，避免了全连接层需要大量参数，代替全连接层后还有一个好处就是支持任意大小的输入
参考：
https://www.zhihu.com/question/335595503