详细介绍不同池化的计算过程，并举出例子

池化（Pooling）是深度学习中常用的一种算法，它通过将输入数据的某一特定区域压缩成一个固定大小的输出，从而减少计算量和参数数量。它的计算过程包括最大池化（Max Pooling）、平均池化（Average Pooling）和池化投票（Pooling Voting）。最大池化（Max Pooling）是深度学习中最常用的池化方法，它从输入特征图中选择最大值作为输出结果。例如：给定一个3x3的特征图，其中的最大值是 8，因此，输出结果为8。平均池化（Average Pooling）是一种池化方法，它将输入特征图中的所有值求平均值，作为输出结果。例如：给定一个3x3的特征图，其中的值分别为3、5、7、9、11、13、15、17、19，因此，输出结果为11。池化投票（Pooling Voting）是一种池化方法，它从输入特征图中统计出最多的值，作为输出结果。例如：给定一个3x3的特征图，其中最多的值是5，因此，输出结果为5。