Python和PyTorch对比实现池化层MaxPool函数及反向传播

最新推荐文章于 2025-09-27 13:58:43 发布

原创

最新推荐文章于 2025-09-27 13:58:43 发布 · 9.1k 阅读

13 ·

CC 4.0 BY-SA版权

该博客通过对比纯Python和PyTorch，详细介绍了如何实现池化层的MaxPool函数，并探讨了相关反向传播的过程。同时，提供了相关资源链接以深入理解池化层的原理和公式推导。

摘要

本文使用纯 Python 和 PyTorch 对比实现 MaxPool 函数及其反向传播.

正文

import torch
import numpy as np


class MaxPool2D:
    def __init__(self, kernel_size=(2, 2), stride=2):
        self.stride = stride

        self.kernel_size = kernel_size
        self.w_height = kernel_size[0]
        self.w_width = kernel_size[1]

        self.x = None

        self.in_height = None
        self.in_width = None

        self.out_height = None
        self.out_width = None

        self.arg_max = None

    def __call__(self, x):
        self.x = x
        self.in_height = np.shape(x)[0]
        self.in_width = np.shape