caffe源码 池化层 反向传播

标签：窗口   convert   uda   average   ec2   最大值   mac   代码   输入参数   

图示池化层（前向传播）

池化层其实和卷积层有点相似，有个类似卷积核的窗口按照固定的步长在移动，每个窗口做一定的操作，按照这个操作的类型可以分为两种池化层：

输入参数如下：
输入： 1 * 3 * 4 * 4
池化核: 4 * 4
pad: 0
步长：2

输出参数如下：
输出：1 * 3 * 2 * 2

• MAC （max pooling）在窗口中取最大值当做结果
•  
• AVG （average pooling）在窗口中取平均值当做结果
• 

池化层的反向传播

按照前向传播的分类，反向传播也需要分成两类

• MAC （max pooling）

  • 如果只看输出矩阵中的一个点y，则有 y = max（ x1 , x2, x3, ... );

  • 所以对x求导后有(可以理解成分段函数的求导)

    

  • 代码实现：

    

    可见上图，这个xn如果影响多个y，则会叠加起来

• AVG （average pooling）

  • 如果只看输出矩阵中的一个点y，则有 y = （ x1 , x2, x3, ... ,xn )/n;

  • 所以对x求导后有

    

  • 代码实现

    

    可见上图，这个xn如果影响多个y，则会叠加起来

caffe源码 池化层 反向传播

标签：窗口   convert   uda   average   ec2   最大值   mac   代码   输入参数   

原文地址：http://www.cnblogs.com/ERKE/p/7686088.html