实现 avg_pool 平均池化操作
哪些公司问过
答案要点
- 明确核大小 k、步长 s、填充 p 和边界处理方式(向下取整丢弃或 ceil_mode)
- 输出尺寸:floor((H + 2p − k)/s) + 1,宽度同理
- 每个输出位置对窗口内元素求和再除以元素个数,各通道独立
- 补零是否计入分母需确定,PyTorch 的 count_include_pad 默认计入
- 向量化:按 k×k 个偏移做切片累加,或用积分图 O(1) 求窗口和
易错点
- 输出尺寸公式写错,或不处理不能整除的边界
- 补零时分母的处理与框架默认行为不一致
- 用多重循环逐元素计算,效率低
面试官常见追问
- 平均池化的反向传播怎么算?
- 平均池化和最大池化有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。