def max_pool_forward_naive(x, pool_param): HH, WW = pool_param['pool_height'], pool_param['pool_width'] s = pool_param['stride'] N, C, H, W = x.shape H_new = 1 + (H - HH) // s W_new = 1 + (W - WW) // s out = np.zeros((N, C, H_new, W_new)) for i in range(N): for j in range(C): for k in range(H_new): for l in range(W_new): window = x[i, j, k * s:HH + k * s, l * s:WW + l * s] out[i, j, k, l] = np.max(window) cache = (x, pool_param) return out, cache

这段代码实现了一个最大池化层的前向传播操作。其中，输入x是一个四维数组，shape为(N, C, H, W)，分别表示样本数、通道数、高度和宽度；pool_param是一个字典，包含两个参数，pool_height和pool_width表示池化窗口的高和宽，stride表示池化窗口的步长。函数返回的是池化后的输出和缓存，其中缓存包含了输入和池化参数，以便后续的反向传播操作。具体实现是通过四层循环遍历每个样本、通道以及池化后的高度和宽度，对每个池化窗口进行最大值操作。最后输出池化后的结果。