CNN 中池化层（子采样层）的反向传播

Posted 2023-02-16

【中文标题】CNN 中池化层（子采样层）的反向传播

【英文标题】：Backpropagation in Pooling Layer (Subsamplig layer) in CNN

【发布时间】：2017-04-04 08:49:26

【问题描述】：

我的疑问是如何在 Pooling 层反向传播误差，因为当我计算导数时，只有 4 的 1 个元素（例如，当使用 2x2 池化内核时）会影响前馈的结果。

【问题讨论】：

我投票结束这个问题，因为datascience.stackexchange.com

我怎样才能把这个帖子移到datascience.stackexchange.com？

别担心 - 社区将决定是否应该这样做。如果有 5 个人（和一个版主？）这么认为，那么它会自动移动，你会收到通知。

@Martin Thomas：不确定这是题外话，毕竟 SO 上有一个反向传播标签，问题涉及它的实现。无论如何，我没有足够的声誉在这方面有发言权:)

【参考方案1】：

假设你有一个由四个元素组成的矩阵M

a  b
c  d

和 ma​​xpool(M) 返回 d。那么，maxpool 函数实际上只依赖于d。所以maxpool相对于d的导数为1，相对于a,b,c的导数为零。所以你将 1 反向传播到对应于 d 的单元，而你对其他单元反向传播 0。