出chatgpt独享账号！内含120美元！仅需38元/个！独享永久使用！点击购买！ 本文重点

我们前面学习了卷积操作，也学习了填充，本节课程我们学习卷积步长，之前我们使用卷积核进行卷积操作都是在图像的左上角开始，从左到右、从上到下每次移动一步，其实移动多少步是可以变化的，这个移动步数称为步长。

卷积操作中的步长（Stride）是指卷积核在图像上移动的步长。步长的大小直接影响卷积操作的结果和特征图的尺寸。在卷积操作中，步长的大小可以通过调整卷积核的移动步长来实现。例如，当步长为1时，卷积核每次移动一个像素；当步长为2时，卷积核每次移动两个像素，以此类推。

步长的大小对卷积操作的结果和特征图的尺寸有着重要的影响。当步长较小时，卷积操作可以更加细致地提取图像特征，但是特征图的尺寸会变大，导致计算量增加。当步长较大时，卷积操作可以更快地提取图像特征，计算量会减少，但是特征图的尺寸会变小，可能会丢失一些重要的特征信息。在实际应用中，步长的选择需要根据具体的任务和数据集进行调整。

如上所示，现在有一个大小为7*7的图像，卷积核大小为3*3，当步长为1的时候，输出特征图为5*5。当步长为2的时候，输出特征图为为3*3。

步长是卷积神经网络中一个非常重要的参数，它直接影响着卷积操作的结果和特征图的尺寸。在卷积神经网络中，步长的大小对网络的性能和效率有着重要的影响。

1. 影响特征图的尺寸

步长的大小直接影响特征图的尺