在卷積神經網路中，感受野的定義是 卷積神經網路每一層輸出的特徵圖（feature map）上的畫素點在原始影象上對映的區域大小。

原始輸入為5*5大小，使用一個5*5大小的核，處理它，得到的結果為1*1大小， 卷積核引數為25。

原始輸入是5*5大小，使用兩次3*3大小的核，處理它，得到的結果為1*1大小，卷積核引數為9 * 2 = 18。

也就是說，2層3*3的卷積核，可以替代一個5*5的卷積核。

感受野大小計算：

https://zhuanlan.zhihu.com/p/35708466

第 層的感受野大小計算如下：

其中 是第 層的感受野大小，而 是當前層的卷積核大小， 是第 層的步長。

1x1卷積核：https://zhuanlan.zhihu.com/p/40050371

當1x1卷積核的個數小於輸入channels數量時，起到降維的作用。當輸入為6x6x32時，1x1卷積的形式是1x1x32，當只有一個1x1卷積核的時候，此時輸出為6x6x1。

1x1卷積一般只改變輸出通道數（channels），不改變輸出的寬度和高度，可以實現跨通道的資訊互動。