参考资料：
3359 blog.csdn.net/tgqdt3ggamdkhaslzv/article/details/86215037
3359 blog.csdn.net/wangyangzhizhou/article/details/76034219
3359 www.cn blogs.com/ying-chease/p/8658351.html
轮询策略的主要目的：降维，保留信息特征
几个主要的轮询策略：
1 .最大轮询最大池化策略：通常选择卷积后得到的特征映射区域的最大值作为特征，常用于文本分类任务。 被观察的一般是句子的强特征(舍弃句子的弱特征)，这个操作可以保证特征的位置和旋转不变性，但是不保持句子强特征出现的位置
2.Average-pooling平均值池化策略：通常用于语句主题模型，但考虑到一个语句中可能不只有一个标签，需要尽可能多的语句上下文信息，但如果使用的最大池化信息太少，可以使用平均值
3.k-max轮询k-max池化策略：在一个特征图中返回k组的最大值，选择top k的特征结果，可以体现某种特征的强度
4.Chunk-Max Pooling块最大池化策略：类似于动态轮询，将feature map分成几个块，具体如何阻塞要看关注语句的哪个部分。
chunk-max轮询和k-max轮询的区别如下：
)1) k-max轮询事先不划分特征图，根据值选择最大的几个块，并保留这些值的顺序(全局top-k特征)；
) chunk-max轮询首先选择分割成几个块，然后对每个块选择该块中最大的值，从而保存多个局部max特征值的相对顺序信息。 如果需要重要特征的位置信息很重要，那么像Chunk-max pooling这样能够以粗粒度保持位置信息的机制应该能够在一定程度上提高性能。