max pooling 当有多个最大值时，索引应该是什么？
maxpooling what should the indices be when there're multiple max values?
内核中有多个值等于最大值怎么办？例如，对于这些值：
array([[0., 0.],
[0., 0.]])
max 只是 0。max indices 应该是什么样的？对于 all max:
的出现应该是 True
array([[ True, True],
[ True, True]])
或第一个出现最大值：
array([[ True, False],
[False, False]])
Pytorch 使用第一次出现的最大值，而一些 source 使用另一个（他使用 pos = np.where(result == view, 1, 0)，它基本上记录 1 为所有出现的最大值）。
编辑：对于前向传播无所谓，但是在反向传播时，比如上游梯度为[[1,1],[1,1]]，那么当前节点的梯度将有所不同：[[1,1],[1,1]]（所有出现）与 [[1,0],[0,0]]（第一次出现）
即使经过一次反向传播，内核值也不太可能保持相等。所以这应该不是一个真正的问题，不是吗？
内核中有多个值等于最大值怎么办？例如，对于这些值：
array([[0., 0.],
[0., 0.]])
max 只是 0。max indices 应该是什么样的？对于 all max:
的出现应该是 Truearray([[ True, True],
[ True, True]])
或第一个出现最大值：
array([[ True, False],
[False, False]])
Pytorch 使用第一次出现的最大值，而一些 source 使用另一个（他使用 pos = np.where(result == view, 1, 0)，它基本上记录 1 为所有出现的最大值）。
编辑：对于前向传播无所谓，但是在反向传播时，比如上游梯度为[[1,1],[1,1]]，那么当前节点的梯度将有所不同：[[1,1],[1,1]]（所有出现）与 [[1,0],[0,0]]（第一次出现）
即使经过一次反向传播，内核值也不太可能保持相等。所以这应该不是一个真正的问题，不是吗？