在一个CSDN博客上看到，个人觉得比较正确：
无论max pooling还是mean pooling，都没有需要学习的参数。因此，在卷积神经网络的训练中，Pooling层需要做的仅仅是将误差项传递到上一层，而没有梯度的计算。
（1）max pooling层：对于max pooling，下一层的误差项的值会原封不动的传递到上一层对应区块中的最大值所对应的神经元，而其他神经元的误差项的值都是0；
（2）mean pooling层：对于mean pooling，下一层的误差项的值会平均分配到上一层对应区块中的所有神经元
DNN 反向传播 DNN算法流程 卷积层反向传播 池化层反向传播 C NN算法流程
在一个CSDN博客上看到，个人觉得比较正确：无论max pooling还是mean pooling，都没有需要学习...
需要特别注意的是：一定要保证传递的loss(或者梯度)总和不变！！！ 1、mean pooling 2、max p...
DNN的反向传播 在学习CNN的反向传播之前，先学习一个DNN（普通的全连接层的深度神经网络）的反向传播。 DNN...
很多反向传播算法都是基于全连接讲的，但是对于卷积层及池化层的反向传播讲解的却不多，这篇博客讲的不错，推荐一下：CN...
卷积网络 这里讨论通过卷积的方式表达CNN反向传播 池化层 假设我们的池化区域大小是2x2，并且下一层的梯度为： ...
卷积层和池化层都能反向传播 DenseNet→修改了网络结构 U-Net→修改了激活函数，拼接cat ResNet...
一．反向传播算法 反向传播算法[1]（Backpropagation Algorithm，简称BP算法）是深度学习...
主要内容来自DeepLearning.AI的卷积神经网络 本文使用numpy实现卷积层和池化层，包括前向传播和反向...
英文原文深度学习---反向传播的具体案例BP（反向传播算法）公式推导及例题解析 前向传播 input ->输入到-...
本文标题：深度学习池化层的反向传播
本文链接：https://www.haomeiwen.com/subject/zuoybctx.html
网友评论