MaxPoolGrad

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	×
Atlas A2 训练系列产品/Atlas A2 推理系列产品	×
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	×
Atlas 训练系列产品	×

功能说明

算子功能：正向最大池化（MaxPool）的反向传播。通过比较正向输入x1和正向输出x2定位每个池化窗口内最大值所在的坐标，将grad中的梯度回填到该坐标处，相同坐标处梯度累加。兼容TensorFlow的MaxPoolGrad算子。

正向输出Shape推导公式

正向MaxPool的输出Shape（即x2和grad的Shape）由输入Shape、ksize、strides和padding模式共同决定。以NHWC格式为例，输入x1的Shape为 $(N,H_{in},W_{in},C)$，正向输出Shape为 $(N,H_{out},W_{out},C)$，各维度计算公式如下：

SAME模式：

$$H_{out}=\lceil \frac{H_{in}}{s_h}\rceil$$

$$W_{out}=\lceil \frac{W_{in}}{s_w}\rceil$$

VALID模式：

$$H_{out}=\lceil \frac{H_{in}-(k_h-1)}{s_h}\rceil$$

$$W_{out}=\lceil \frac{W_{in}-(k_w-1)}{s_w}\rceil$$

输出Shape：

反向传播的输出y与输入x1的Shape完全一致：

$$y.shape=x1.shape=(N,H_{in},W_{in},C)$$

参数说明：

• $k_h,k_w$：ksize在H、W维度上的窗口大小
• $s_h,s_w$：strides在H、W维度上的步长

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x1	输入	待进行MaxPoolGrad计算的入参，表示正向MaxPool的输入Tensor。	FLOAT、FLOAT16、BFLOAT16	ND
x2	输入	待进行MaxPoolGrad计算的入参，表示正向MaxPool的输出Tensor。数据类型、数据格式需要与`x1`一致，shape需要与`grad`一致。	FLOAT、FLOAT16、BFLOAT16	ND
grad	输入	待进行MaxPoolGrad计算的入参，表示当前节点的梯度（正向输出的梯度）。	FLOAT、FLOAT16、BFLOAT16	ND
ksize	属性	表示最大池化的窗口大小。	INT64	-
strides	属性	表示池化操作的步长。	INT64	-
padding	属性	pad模式，支持SAME和VALID。SAME模式会在输入边缘填充-inf，使输出Shape为⌈输入Shape/步长⌉；VALID模式表示不填充。	-	-
data_format	可选属性	表示支持的数据格式，取值必须为["NHWC","NCHW"]之一，默认值为"NHWC"。	-	支持NHWC、NCHW
y	输出	待进行MaxPoolGrad计算的出参，表示输入的梯度。shape、数据类型、数据格式需要与`x1`一致。	FLOAT、FLOAT16、BFLOAT16	ND

约束说明

• ksize：数组长度必须为4，且N和C维度对应的值必须为1，即 data_format="NHWC" 时为 (1, k_h, k_w, 1)，data_format="NCHW" 时为 (1, 1, k_h, k_w)，各元素必须为正整数。
• strides：数组长度必须为4，且N和C维度对应的值必须为1，即 data_format="NHWC" 时为 (1, s_h, s_w, 1)，data_format="NCHW" 时为 (1, 1, s_h, s_w)，各元素必须为正整数。
• padding：仅支持SAME和VALID。
• data_format：仅支持NHWC（默认）和NCHW。
• x1、x2、grad：均必须为4维Tensor，且三者的数据类型必须一致，仅支持FLOAT16、FLOAT、BFLOAT16；x1各维度的大小不能为0。
• x2 和 grad 的Shape必须一致，且与正向MaxPool的输出Shape匹配。
• grad 与 x1 的N、C维度大小必须一致。
• y 的Shape必须与 x1 的Shape一致。

调用说明

调用方式	样例代码	说明
图模式接口	test_geir_max_pool_grad	通过IRMaxPoolGrad构图方式调用MaxPoolGrad算子。