ادغام بیشینه، رو به جلو و رو به عقب

لایه‌ی nn.MaxPool2d(k) هر کانال را به بلوک‌های ناهم‌پوشان $k \times k$ تقسیم می‌کند و از هر بلوک فقط بیشینه را نگه می‌دارد؛ ارتفاع و عرض $k$ برابر کوچک می‌شوند.

در گذر رو به عقب، این لایه پارامتری ندارد و فقط مشتق را مسیریابی می‌کند: مشتقی که به یک خانه‌ی خروجی رسیده، تمامش به همان خانه‌ای از ورودی می‌رود که بیشینه‌ی بلوکش بود؛ بقیه‌ی خانه‌های بلوک مشتق صفر می‌گیرند — تغییر کوچکشان روی خروجی اثری ندارد.

تابع maxpool(X, G, k) با X به شکل $C \times H \times W$ (که $H$ و $W$ بر $k$ بخش‌پذیرند و مقدارهای هر بلوک با هم برابر نیستند) و G، مشتق زیان نسبت به خروجی با شکل $C \times \frac{H}{k} \times \frac{W}{k}$، دو چیز را پشت‌سرهم برمی‌گرداند: خروجی ادغام (صاف‌شده) و بعد مشتق نسبت به X (صاف‌شده، هم‌شکل X).