1.GlobalMaxPooling1D: 在steps维度（也就是第二维）对整个数据求最大值。 比如说输入数据维度是[10, 4, 10]，那么进过全局池化后，输出数据的维度则变成[10, 10]。 是对步长维度的向量求最大值。故会产生维度压缩 2.MaxPooling1D： 也是在steps维度（也就是第二维）求最大值。但是限制每一步的池化的大小。 比如，输入数据维度是[10, 4, 10

1、MaxPooling1D layer 一维最大池化层 keras.layers.MaxPooling1D(pool_size=2, strides=None, padding="valid", data_format=None, name=None, **kwargs) 参数说明 pool_size：整数或整数元组，表示池化窗口的大小。如果为整数，则在每个维度上使用相同的池化窗口大小