函数式子api的形式加入池化层

在函数式API中，可以使用`MaxPooling2D`和`AveragePooling2D`来添加最大池化层和平均池化层。这两个层的使用方法大致相同，下面以最大池化层为例演示如何添加池化层：

from keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Input

# 定义输入层
input_layer = Input(shape=(height, width, channels))

# 添加卷积层
conv_layer = Conv2D(filters=32, kernel_size=(3, 3), activation='relu')(input_layer)

# 添加最大池化层
pool_layer = MaxPooling2D(pool_size=(2, 2))(conv_layer)

# 添加扁平化层
flatten_layer = Flatten()(pool_layer)

# 添加全连接层
dense_layer = Dense(units=128, activation='relu')(flatten_layer)

# 添加输出层
output_layer = Dense(units=num_classes, activation='softmax')(dense_layer)

# 创建模型
model = Model(inputs=input_layer, outputs=output_layer)

在上面的代码中，`MaxPooling2D`被用于添加最大池化层，通过传入`pool_size`参数来定义池化窗口大小。同样，我们也可以使用`AveragePooling2D`来添加平均池化层，只需要将`MaxPooling2D`替换为`AveragePooling2D`即可。