不，不可能使用学习算法从数据集中学习这些元参数。没有办法计算任何目标函数相对于 pool_size 和 stride 参数的梯度。即使有，它们通常是离散值和相对较小的整数，因此不能以与权重相同的方式更新。

您可以做的是搜索不同的值以寻找最佳值，使用交叉验证来选择最佳值。大小和步幅元参数也会对内存使用和学习速度产生很大影响，因此您可能正在寻找一个好的折衷方案。例如，对于较低层的步幅，具有更高的步幅值可能更有效（就类似准确度所需的训练时间而言），但通过向训练集添加随机 x/y 平移来增加整体训练集大小图片。