TensorFlow中strides参数如何灵活运用，实现高效卷积操作？

本文共计630个文字，预计阅读时间需要3分钟。

在二维卷积函数tf.nn.conv2d()、最大池化函数tf.nn.max_pool()以及平均池化函数tf.nn.avg_pool()中，卷积核的移动步长都需要通过参数strides（步长）来设定。这是因为无论是卷积操作还是各种类型的池化，步长都决定了操作在输入数据上的移动方式。

在二维卷积函数tf.nn.conv2d()，最大池化函数tf.nn.max_pool()，平均池化函数

tf.nn.avg_pool()中，卷积核的移动步长都需要制定一个参数strides（步长），因为无论是卷积操作还是各种类型的池化操作，都是某种形式的滑动窗口（sliding window）处理，这就要求指定从当前窗口移动下一个窗口位置的移动步长。

TensorFlow 文档关于 strides的说明如下：

strides: A list of ints that has length >= 4. The stride of the sliding window for each dimension of the input tensor.

首先要求 strides 为长度不小于 4 的整数构成的 list，strides参数表示的是滑窗在输入张量各个维度上的移动步长。

如果strides=[b,h,w,c]，其中strides[0]和strides[3]默认为1。