Nelle reti neurali convoluzionali (CNN), stride e padding sono due parametri importanti che influenzano la dimensione dell'output delle operazioni di convoluzione.

Stride

Lo stride è il passo con cui il filtro si sposta sull'input durante l'operazione di convoluzione. Un valore di stride più grande comporta uno spostamento maggiore del filtro e quindi una riduzione della dimensione dell'output. Al contrario, un valore di stride più piccolo comporta uno spostamento minore del filtro e quindi un'output di dimensioni maggiori. La formula per calcolare la dimensione dell'output della convoluzione in base al valore di stride è:

Padding

Il padding è l'aggiunta di zeri intorno ai bordi dell'input prima di applicare il filtro durante l'operazione di convoluzione. Il padding può essere "valid" (senza padding) o "same" (con padding in modo che l'output abbia le stesse dimensioni dell'input). La formula per calcolare la dimensione dell'output in base al padding dipende dal tipo di padding utilizzato.

\[ \text{Output size} = \frac{{\text{Input size} - \text{Kernel size} + 2 \times \text{padding}}}{{\text{Stride}}} + 1 \]