3.5 步长与卷积核大小对结果的影响_哔哩哔哩_bilibili
小的步长：提取细粒度的特征，提取小特征。图像识别一般用3×3的卷积核，步长一般设置为1.
大的步长：提取粗粒度的特征，提取大特征。
https://blog.csdn.net/program_developer/article/details/80943707
（1）公式：
假设：输入图片（Input）大小为I*I，卷积核（Filter）大小为K*K，步长（stride）为S，填充（Padding）的像素数为P，那卷积层输出（Output）的特征图大小为多少呢?
可以得出推导公式：
O=（I-K+2P）/S+1
（2）例子：
我们采用的卷积核大小为K=3*3，填充大小为P=1，步长为S=2。对5*5的输入特征图进行卷积生成3*3的特征图，结果如下图所示：
计算公式为：
Reference：
（1）https://blog.csdn.net/jacke121/article/details/79259348
（2）https://blog.csdn.net/u010725283/article/details/78593410/
（3）https://blog.csdn.net/leviopku/article/details/80327478
标签：输出,卷积,blog,步长,csdn,details,https,大小 From： https://www.cnblogs.com/yibeimingyue/p/16667472.html