作者：RayChiu_Labloy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处
首先只有在1*1卷积核之上大小的卷积核才有感受野的作用。
卷积核大了感受野大，可以审视更为宽广区域的feature Map，所获得的全局特征越好。虽然很多情况下可以由几个小的卷积核代替(例如一个7*7的卷积核可以由3个3*3的卷积核代替)，但是虽说网络增加了深度有很多优点，但是也会增加梯度消失的风险。
反过来说连续的小卷积核代替大卷积核是现在比较常用的做法，优点很多，比如深度增加带来的非线性激活函数多了，语义表达强了，计算量也会变少，参数量也同样变少，梯度消失的问题因为BN等技术出现得到了很好的优化。另外深度增加语义表达能力增加了，在一些情况下还容易出现过拟合，有时候还不如浅层模型效果好，防止过拟合的方法也出现了很多，也很好解决了这些问题，参考：详细讲解深层神经网络DNN_RayChiu757374816的博客-CSDN博客_dnn神经网络
【如果对您有帮助，交个朋友给个一键三连吧，您的肯定是我博客高质量维护的动力！！！】