Update Pooling.md

caffe2fluid/doc/Pooling.md

@@ -32,7 +32,7 @@ paddle.fluid.layers.pool2d(
 ```  
   
 ### 功能差异
-#### 计算输出高度和宽度的差异
+#### 输出大小
 计算池化的输出高度和宽度有两种方式，分别为向上取整（ceil）和向下取整（floor），其计算方式如下列所示：
 
 **向上取整：**  
@@ -43,20 +43,26 @@ paddle.fluid.layers.pool2d(
 	`H_out = (H_in-ksize[0]+2*padding[0]+strides[0]-1)/strides[0]+1`  
 	`W_out = (W_in-ksize[1]+2*padding[1]+strides[1]-1)/strides[1]+1`    
 
-Caffe：只能使用向上取整的方式来计算输入输出的大小。  
-PaddlePaddle：可以使用`ceil_mode`参数来定义使用何种计算方式，当`ceil_mode=False`（默认值）时使用向下取整的方式来计算，反之为`True`时则使用向上取整的方式进行计算。  
-
-
+Caffe：输出大小计算方式如下所示，
+```
+H_out = (H_in-ksize[0]+2*padding[0])/strides[0]+1
+W_out = (W_in-ksize[1]+2*padding[1])/strides[1]+1
+```
 
-#### 池化方式的差异
-Caffe：提供了三种池化方式——最大池化、均值池化和随机池化（随机池化通过对像素点按照数值大小赋予概率，再按照概率进行亚采样）。  
-PaddlePaddle：提供了两种池化方式——最大池化和均值池化。
- 
+PaddlePaddle：`ceil_mode`为`Ture`时，输出大小计算方式与Caffe一致；当`ceil_mode`为`False`时，输出大小计算方式如下所示，
+```
+# ceil_model为False时，计算公式
+H_out = (H_in-ksize[0]+2*padding[0]+strides[0]-1)/strides[0]+1
+W_out = (W_in-ksize[1]+2*padding[1]+strides[1]-1)/strides[1]+1
+```
 
+#### 池化方式
+Caffe：通过`pool`参数设置，支持`MAX`, `AVE`和`STOCHASTIC`三种池化方式；  
+PaddlePaddle：通过`pool_type`参数设置，支持`max`和`avg`两种池化方式。
 
-#### 其他差异  
-Caffe：无`exclusive`参数。  
-PaddlePaddle：使用了一个`exclusive`参数，其代表在进行平均池化时是否忽略填充值。  
+#### 其他 
+Caffe：无`exclusive`参数；  
+PaddlePaddle：`exclusive`参数为`True`的情况下，`avg`平均池化过程中会忽略填充值。
 
 
 ### 代码示例