在卷积神经网络（CNN）中，会选择一个滤波器用于权重共享。例如，在下面的图片中，选择了步长（相邻神经元之间的距离）为1的3×3窗口。

所以我的问题是：如何选择窗口大小？ 如果我使用4×4窗口，步长为2，会造成多大的差异？提前感谢你们！

回答：

这个问题没有确定的答案：滤波器大小是您通常需要调整的超参数之一。然而，有一些有用的观察可能会帮助您。通常更倾向于选择较小的滤波器，但数量要更多。

例如，四个5x5的滤波器有100个参数（不考虑偏置），而十个3x3的滤波器有90个参数。通过使用更大的滤波器，您仍然可以捕捉图像中的各种特征，但参数更少。更多信息请参见这里。

现代CNN进一步发展了这一理念，选择连续的3x1和1x3卷积层。这进一步减少了参数数量，但不影响性能。请参见Inception网络的演变。

步长的选择也很重要，但它会影响卷积后的张量形状，从而影响整个网络。一般规则是，在普通卷积中使用stride=1并通过填充保持空间大小，当您想对图像进行降采样时使用stride=2。