如所述的解开操作，例如在Zeiler 2014中：https://arxiv.org/abs/1311.2901，相当于最大池操作的梯度。
在tensorflow中你可以例如使用gen_nn_ops._max_pool_gradient来做到这一点，该函数将参数grad作为输入，在文档中说：
grad: A `Tensor`. Must have the same type as `orig_input`.
4-D. Gradients w.r.t. the output of `max_pool`
我尝试使用优化器的compute_gradients（）函数计算最大池操作的梯度，但是那些需要一个可以采用渐变的变量列表，但是在最大池操作的情况下，你会对于池化层的输入采用渐变，因此如果compute_gradients（）的varlist参数是张量，则它不起作用。
有人可以告诉我如何获取max_pool op的渐变，以便我可以使_max_pool_gradient工作吗？
答案 0 :(得分：1)
TensorFlow支持这种操作，但它们的级别更低。特别是tf.gradients(...)，您可以访问计算偏导数。您所要做的就是指定应该被区分的张量，这些张量应该用于区分，因此它可以有效地生成d ys / d xs。此外，您提供grad_ys，这是他们将被附加的地方。 （原来它设计用于使用链规则生成渐变，而TF仅附加，因此您以后无法连接渐变）。