30、卷积 - 参数 stride 的作用

在卷积运算中，还有一个参数叫做 stride，它对卷积的运算以及运算结果影响也很大。

还是先看卷积动图，从图上你能猜到 stride 参数在哪吗？

在卷积操作中，stride 指的是卷积核在滑动过程中每次跳过的像素数量。

stride 决定了卷积核在输入图像上移动的速度。例如，如果 stride 为1，那么卷积核每次就移动一个像素；如果 stride 为2，那么卷积核每次就移动两个像素。

也就是上图卷积核每次扫描时跳过的像素的个数。在上面动图用，展示的 stride 是2。

stride 的作用

从跳扫描这个动作中，就不难猜到它的第一个作用，也是我认为大部分卷积都配置 stride > 1 时的原因，那就是减少计算量。

减小计算量

增大 stride，我们可以减少卷积核需要覆盖的像素数量，从而减小计算量，这对于大规模数据集和复杂模型来说，是很重要的，可以大大节省计算资源和训练/推理时间。

控制输出特征图的大小

通过调整stride，我们可以控制生成的特征图的大小。增大 stride 会使特征图变小，而减小 stride 会使特征图变大。

这对于设计网络结构和优化模型性能来说，也是有利的。

一定程度上防止过拟合

这个怎么理解呢？很多网络过于复杂，就会出现过拟合现象，而如果通过增大stride的方式，使得整个模型的复杂度降低，就可以降低过拟合的风险。

不过防止过拟合并非 stride 参数的主要目的，而是额外带来的好处，很少有人会为了减少过拟合风险而将 stride 设置的特别大，这个参数在大部分应用中，还是为了减少计算量和控制输出特征图的大小而存在的。

总的来说，stride 是卷积算法中一个很常见的参数，它帮助我们控制计算量、控制特征图大小。并且还需要说明一点的是，stride 和 pad 一样，并非左右滑动跳过的像素和上下滑动跳过的像素是一样的，你可以灵活的设置左右方向 stride 和上下方向 stride。

这主要是看输入图像的长宽尺寸以及你希望输出的尺寸，假设输入图像长宽比为1:2，而希望输出的尺寸是1:1，那么就可以设置左右方向的 stride 和上下方向的 stride 比值为1:2.