最大池化层（Maxpool Layer）

1.前向传播

最大子采样函数取区域内所有神经元的最大值（max-pooling）。以下图为例，输入数据X为4*4，采样核size为2，stride为2，no padding。输入数据大小类似卷积层的计算方法，（input_width+2*pad-pool_size）/stride+1。前向传播中不仅要计算pool区域内的最大值，还要记录该最大值所在输入数据中的位置，目的是为了在反向传播中，需要把梯度值传到对应最大值所在的位置。

max pool 前向传播

2.反向传播

还是引用上图，通过前向传播已知，梯度值对应上一层输出的最大值位置。具体过程如下：


max pool 反向传播
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容