池化層是卷積神經網絡中的一箇重要組件，主要用於減少特徵圖的維度，同時保留重要的特徵信息。
池化層可以通過降採樣輸入數據來減少數據量，池化操作包括最大池化（Max Pooling）、平均池化（Avg Pooling）和全局池化（Global Pooling），其中最大池化是最常見的。在最大池化操作中，輸入圖像被劃分爲多箇矩形區域，每個區域輸出最大值，這種機制能夠有效地提取出最重要的特徵，而不僅僅是特徵的具體位置，池化層通過減小數據的空間大小，不僅降低了參數的數量和計算量，還有助於控制過擬合，通常在卷積神經網絡中的卷積層之間週期性地插入池化層。