步幅

步幅是指卷積核在兩個連續位置之間「跳多遠」。步幅 1 時，卷積核每次移動一個像素、走訪每一個位置；步幅 2 時，它每隔一個位置才停一次，所以每個軸上只走訪一半的位置。因此較大的步幅會產生較小的輸出網格——也就是降採樣。直觀上，步幅是一個「粗細旋鈕」：大步幅以較稀疏的網格對輸入取樣，以犧牲空間解析度來換取更便宜的運算與增長更快的感受野。

精確地說，對輸入尺寸 W、卷積核大小 k、填補 P、步幅 S，輸出尺寸為 floor((W + 2P - k) / S) + 1（若有擴張率 d，則把 k 換成 d(k-1)+1）。步幅 2 大致會把每個空間維度減半、把輸出位置數量變成四分之一，同時削減激活記憶體與後續各層的工作量。由於較早的感受野最終會以彼此相距 S 個像素的方式排列，每一個帶步幅的層也會放大後續感受野的增長速度。

帶步幅的卷積是 CNN 內部降採樣的兩種主要方式之一，另一種是池化。現代架構越來越偏好帶步幅（或可學習）的降採樣：「全卷積網路」（Springenberg 等人，2015）證明池化可以用步幅 2 的卷積取代而不損失效能，而 ResNet 在其瓶頸區塊中就用步幅 2 的卷積做降採樣。其取捨在於：過於激進的步幅會太早丟失細節，對需要精確定位的任務（分割、關鍵點）有害——在那些任務中，設計者會把步幅維持得很低，改用擴張來增長脈絡而不縮小特徵圖。