池化层的反向传播

今天博主在研究卷积神经网络的反向传播算法时，产生了这么一个疑问：pooling层没有卷积核，那反向传播的时候，做了些什么呢？更新了什么参数呢? 有一位博主提到：池化层一般没有参数，所以反向传播的时候，只需对输入参数求导，不需要进行权值更新。但是具体在计算的时候是要根据Max还是Average来进行区分，进行参数更新的。 我们来看看池化层的前向传播和反向传播过程   1 Max-Pooling 该种

>>阅读原文<<