反向传播(选做)， 最后算出来答案对不上，其实也没太搞明白卷积网络的反向传播，知道的麻烦解释一下，谢谢！

[lyy-zz]

The assign of the first week of Lesson 4 5.2.3 Putting it together: Pooling backward
Change Part:

                        # Set dA_prev to be dA_prev + (the mask multiplied by the correct entry of dA) (≈1 line)
                        dA_prev[i, vert_start: vert_end, horiz_start: horiz_end, c] += np.multiply(mask, dA[i, h, w, c])
                        # Get the value a from dA (≈1 line)
                        da = dA[i, h, w, c]
                        # Distribute it to get the correct slice of dA_prev. i.e. Add the distributed value of da. (≈1 line)
                        dA_prev[i, vert_start: vert_end, horiz_start: horiz_end, c] += distribute_value(da, shape)

The Reason:
Pooling Layer 前向传播是一个slice对应一个scalar，所以在反向传播的时候应该是一个scalar对应一个slice。multiply mask and the scalar 再与对应slice相加能够刚好把error传递给最大值；distribute_value与对应slice相加，能够将error 平均分给slice中的每个值，最终实现精准传播误差的目的。
不知道自己有没有描述清楚，@marsggbo谢谢分享作业！！！

[xuxinhang]

我也是看到作业对不上过来的😉

矩阵乘标量，可以理解为矩阵把dZ这个标量分流了。最大池化呢，就是指dZ是完全由那个最大值带来的，所以矩阵只有一个1。平均池化就是表示dz是由那四项等权重引起的，所以是四个1/4。或许以后会有其他类型的池化，道理或许相同吧。

谢谢楼上的issue，谢谢 @marsggbo 的分享