关于卷积神经网络的步幅（stride）

认识步幅（stride）

        卷积核从输入数组的最左上方开始，按从左往右、从上往下的顺序，依次在输入数组上滑动，我们将每次滑动的行数和列数称为步幅。

计算步幅 

        假设输入的形状n∗n，卷积核的形状为f∗f，填充大小为p，步幅大小为s，输出的高和宽均为((n+2p−f)/s)​+1。 这里可以看到，当参数选择的不恰当时，会造成输出形状计算得出不是整数，所以这里的参数选择需要比较小心。

如何调用Pytorch中的步幅

        nn.Conv2d()中的参数stride就表示滑动的步幅，默认情况下stride=1，常用的有stride=2。