Tensorflow中的Max pool backward发生了什么？

我对这里的max pool向后实现有点困惑：

---

有人能解释一下这里梯度是如何计算的吗。就像最大池的局部梯度是0s和1s，所以他们只是从即将到来的grad_中复制值？尽管有关于参数top_diff、top_offset、bottom_offset的评论；谁能解释一下这些是什么（我是初学者）

关于最大池的局部坡度是

0

和

1

，您是对的。但是，如果相同的最大值是从两个相邻面片传播的，则必须将相应的梯度值相加并反向支撑到该最大值的位置。例如，考虑一维向量：

[x0 x1 x2]

假设您使用面片大小

2

和跨距

1

运行

MaxPool

，并假设

max（x0，x1）=x1

和

max（x1，x2）=x1

。那么输出将是

[x1 x1]

假设引入的梯度是

[g1g2]

，那么必须支撑的梯度是

[0 g1+g2 0]

---

这就是您在指出的代码中看到的

cudaAtomicAdd

函数调用。

关于最大池的局部梯度是

0

和

1

，您是对的。但是，如果相同的最大值是从两个相邻面片传播的，则必须将相应的梯度值相加并反向支撑到该最大值的位置。例如，考虑一维向量：

[x0 x1 x2]

假设您使用面片大小

2

和跨距

1

运行

MaxPool

，并假设

max（x0，x1）=x1

和

max（x1，x2）=x1

。那么输出将是

[x1 x1]

假设引入的梯度是

[g1g2]

，那么必须支撑的梯度是

[0 g1+g2 0]

---

这就是您在指出的代码中看到的

cudaAtomicAdd

函数调用。

Hi@keveman，感谢您的回复。现在，如果我要做一个max unpol操作，它需要[x1-x1]和一个argmax矩阵[1]，以你提到的面片大小和步幅将其解算到[0 x10]，我应该如何向后进行max unpol操作？这对max unpol backward有意义吗：

int image\u id=（index/top\u offset）；CudaAtomicAdd（底部差异+索引，顶部差异[遮罩[索引]+图像id*顶部偏移]）你好@keveman，谢谢你的回复。现在，如果我要做一个max unpol操作，它需要[x1-x1]和一个argmax矩阵[1]，以你提到的面片大小和步幅将其解算到[0 x10]，我应该如何向后进行max unpol操作？这对max unpol backward有意义吗：
int image\u id=（index/top\u offset）；CudaAtomicAdd（底部差异+索引，顶部差异[遮罩[索引]+图像id*顶部偏移]）