博客标题：卷积神经网络的“尺子”与“画框”：一文看懂填充与步幅

发布日期： 2026年3月6日
标签： 人工智能, 深度学习, 卷积神经网络, 计算机视觉

在构建卷积神经网络（CNN）时，我们经常面临两个看似矛盾的需求：有时候我们希望图像经过处理后尺寸不变，保留所有细节；有时候我们又希望快速缩小图像尺寸，以减少计算量。如何实现这种灵活的控制？答案就在于两个关键的超参数——填充（Padding）和步幅（Stride）。

如果你觉得这两个词听起来很学术，没关系。我们可以把它们想象成处理图像时的“画框”和“尺子”。接下来，让我们通过通俗的比喻和实例，深入浅出地解析它们的工作原理。

一、 为什么要关注尺寸？（问题的由来）

在正式介绍填充和步幅之前，我们需要先了解一个基础公式。

假设你有一张 $240 \times 240$ 像素的照片（输入），你用一个 $5 \times 5$ 的“小窗口”（卷积核）在照片上滑动进行计算。你会发现，算出来的结果（输出）尺寸会变成 $236 \times 236$。虽然只少了4个像素，但如果你连续进行10层这样的计算，图像就会缩小到 $200 \times 200$。

这就好比用一把比原图稍短的尺子去量布，量一次就短一截。连续的卷积操作会导致图像迅速缩小，甚至丢失边缘的重要信息。

为了解决这个问题，我们需要引入“填充”和“步幅”这两个工具。

二、 填充（Padding）：给图像加个“画框”

1. 什么是填充？
想象一下，你有一幅珍贵的画（输入图像），但画框太小，导致画的边缘被遮挡了。为了保护边缘并让画能放进标准尺寸的框里，你决定在画的四周贴上一圈白纸（通常是0值），然后再装框。

在深度学习中，**填充（Padding）**就是这个在图像边缘添加额外像素（通常是0）的过程。

2. 填充的作用

  • 保留边缘信息：不加填充时，图像角落的像素只被计算一次，而中心像素被计算多次。加了填充后，边缘像素也能作为“中心”参与运算，防止信息丢失。
  • 控制尺寸：通过巧妙地添加边框，我们可以让输出的图像尺寸和输入完全一样。

3. 一个简单的例子

  • 场景：输入图像 $8 \times 8$，卷积核 $3 \times 3$。
  • 如果不填充：输出会变成 $6 \times 6$（变小了）。
  • 如果填充：我们在图像四周各加1圈像素（Padding=1），图像变成 $10 \times 10$。经过卷积后，输出神奇地回到了 $8 \times 8$。
  • 结论：只要设置 padding = (kernel_size - 1) / 2（通常核大小是奇数），就能做到“进多少出多少”。

三、 步幅（Stride）：调整“尺子”的跨度

1. 什么是步幅？
在前面的例子中，我们默认“小窗口”每次只移动1个像素。但如果这个窗口每次移动2个、3个甚至更多像素呢？

**步幅（Stride）**就是指卷积核在图像上滑动时，每次移动的像素数。

2. 步幅的作用

  • 快速降维：如果步幅设为2，窗口每次跳两格，扫过的区域就少了一半。这能大幅降低图像的宽度和高度。
  • 提高效率：当图像分辨率过高（比如4K照片）时，我们不需要那么精细的像素，利用大步幅可以快速提取特征，减少计算量。

3. 一个直观的例子

  • 场景：同样是一张大图，步幅为1时，我们需要计算100次；如果步幅设为2，我们只需要计算约25次（因为长宽都减半了）。
  • 效果：输出尺寸直接从 $100 \times 100$ 变成了 $50 \times 50$。

四、 总结：一张表看懂参数搭配

为了方便记忆，我们可以将这两个概念总结如下：

概念 俗称 核心功能 对图像尺寸的影响 典型设置
填充 (Padding) 加边框 保护边缘，防丢失 增大或保持尺寸 same (保持原尺寸)
步幅 (Stride) 跨大步 压缩数据，提效率 减小尺寸 2 (尺寸减半)

五、 结语

在现代深度学习框架（如PyTorch、TensorFlow）中，我们只需要在代码里简单设置 padding=1 或 stride=2，就能轻松控制网络的结构。

理解了填充和步幅，你就掌握了卷积神经网络中调整数据维度的“秘籍”。它们就像建筑中的地基和梁柱，决定了整个网络的结构稳定性与计算效率。下次在构建模型时，不妨多留意一下这两个参数的设置，看看它们是如何塑造你的特征图的。