也许这个问题听起来有点像新手，但我想澄清一下。
我正在使用类似 VGG16 的卷积网络，使用 VGG16 权重进行预训练并编辑顶层来解决我的分类问题；具体来说，我删除了三个完全连接的层并用flatten --> fully connected --> dropout(0.5) --> fully connected --> softmax层替换它们。

由于 VGG16 权重是使用 224x224 像素的平方图像进行训练的，我是否仍然可以使用相同的预训练权重，但使用大小为 320x320 的图像？

这是我在CS231n 迁移学习页面上读到的内容：

然而，一些变化是直截了当的：由于参数共享，您可以轻松地在不同空间大小的图像上运行预训练网络。这在 Conv/Pool 层的情况下很明显，因为它们的前向函数与输入体积空间大小无关（只要步幅“适合”）。

我应该如何解释“只要步幅“适合” “？

此外，我使用相同的数据集进行了这两个测试：
1- 带有 320x320 输入图像的 ConvNet 仅针对 100 个 epoch 进行了微调（由于资源限制）。
2- 相同的 ConvNet，但输入图像为 224x224，已针对 250 个 epoch 进行了微调。

在第一个测试中，我得到了比第二个更好的分类结果，即使它被微调得更少。有什么理由可以解释这种行为吗？
太感谢了！