G検定 用語解説
ストライドとは
畳み込みでフィルタ（カーネル）を入力データ上でずらす際の1回あたりの移動幅。値を大きくすると出力される特徴マップのサイズが小さくなる。
ストライドの意味と見分け方
ストライドは、G検定の「大項目5 ディープラーニングの要素技術」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「大項目5 ディープラーニングの要素技術」の問題で、取り違えやすい組み合わせです。
- CNN（画像・畳み込み/プーリング）とRNN（時系列・系列データ）の使い分けを取り違える。
- LSTMとGRUのゲート数を混同する（LSTM＝3ゲート＋記憶セル、GRU＝2ゲートに簡略化）。
- 最適化手法を取り違える（モメンタム＝慣性、AdaGrad/RMSProp＝適応学習率、Adam＝両方）。
関連する確認問題
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
入力の幅が7、フィルタの大きさが3、パディングが0、ストライドが2の畳み込みで、出力の幅はいくつか。
正解は3。出力の幅は(入力の幅−フィルタの大きさ+2×パディング)÷ストライド+1で求める。(7−3+0)÷2+1＝3となる。同じ入力でストライドを1にすると5、3にすると(7−3)÷3が割り切れず、Stanford CS231nの説明では設定として成り立たない。解くときは、式の分子（入力の幅−フィルタの大きさ+2×パディング）を先に計算し、ストライドで割ってから最後に1を足す。この順を守れば、ストライドやパディングを変えた問題でも同じ手順で求められる。
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
Stanford CS231nの出力の幅の式で、入力の幅10、フィルタの大きさ3、パディング0、ストライド2を当てはめたときの扱いとして、正しいものはどれか。
正解は、4.5になり割り切れないため設定として成り立たない、である。出力の幅は(入力の幅−フィルタの大きさ+2×パディング)÷ストライド+1で、(10−3+0)÷2+1＝4.5になる。フィルタを置ける位置の数は整数でなければならないので、CS231nはこの設定を不適切とする。この場合はストライドかパディングを変えて割り切れるようにする。式の結果が整数になるかを確かめることが、畳み込み層の設計の第一歩になる。ストライドを1にすれば(10−3+0)÷1+1＝8となり、この入力でも整数の出力の幅が得られる。
大項目5 ディープラーニングの要素技術 / 畳み込みニューラルネットワーク
入力が227×227×3の画像で、フィルタの大きさ11×11、ストライド4、パディング0、フィルタ数96の畳み込み層を1つ通したとき、出力の大きさ（幅×高さ×奥行き）として正しいものはどれか。
正解は55×55×96。畳み込み層の出力の幅は、入力の幅をW1、フィルタの大きさをF、ストライドをS、ゼロパディングをPとして(W1－F＋2P)/S＋1で求める。W1＝227、F＝11、S＝4、P＝0を当てはめると(227－11＋0)/4＋1＝55になり、高さも同じ計算で55になる。奥行きは使うフィルタの数に等しいので96である。Stanford CS231nは、AlexNetの最初の畳み込み層をこの条件の例として挙げ、出力を[55×55×96]とする。奥行きが入力のチャネル数の3のままになることはなく、パディングなしのため入力と同じ227にもならない。
同じ章で確認したい用語
到達チェック
- ストライドを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、ストライドに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: AI資格ドリル編集部（運営者情報を見る）