步长可以大大提升学习效率，和池化操作有些像。卷积核减小参数的速度太慢，但是步长增加太多会丢失信息。
32*32*3的图片进行5*5*3卷积核操作只能得到一个卷积层。可以用多个卷积核得到多个卷积层，把他们重叠而得到多个卷积层。
卷积是为了提取特定特征。池化就是下采样减小图像的像素，但是依旧保留了其中的关键信息。
卷积对位相乘结果相加。
最大池化：保留当前采样区域最大的特征值。
步长为1这样的卷积核计算会保留全部样本，可能会造成过拟合，进行池化操作会丢弃一些不会影响样本整体特征的值，防止过拟合。
原文：https://www.cnblogs.com/heracles-Mercury/p/11715066.html