在卷积神经网络中，感受野的定义是 卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。
原始输入为5*5大小，使用一个5*5大小的核，处理它，得到的结果为1*1大小， 卷积核参数为25。
原始输入是5*5大小，使用两次3*3大小的核，处理它，得到的结果为1*1大小，卷积核参数为9 * 2 = 18。
也就是说，2层3*3的卷积核，可以替代一个5*5的卷积核。
感受野大小计算：
https://zhuanlan.zhihu.com/p/35708466
第 层的感受野大小计算如下：
其中 是第
层的感受野大小，而
是当前层的卷积核大小，
是第
层的步长。
1x1卷积核：https://zhuanlan.zhihu.com/p/40050371
当1x1卷积核的个数小于输入channels数量时，起到降维的作用。当输入为6x6x32时，1x1卷积的形式是1x1x32，当只有一个1x1卷积核的时候，此时输出为6x6x1。
1x1卷积一般只改变输出通道数（channels），不改变输出的宽度和高度，可以实现跨通道的信息交互。