1.2 在卷積神經網絡中，如何計算各層感受野的大小
分析與解答：
在卷積神經網絡中，由于卷積的局部連接性，輸出特征圖上的每個節點的取值，是由卷積核在輸入特征圖對應位置的局部區域內進行卷積而得到的，因此這個節點的取值會受到該卷積層的輸入特征圖，也就是上一層的輸出特征圖上的某個局部區域內的值的影響，而上一層的輸出特征圖上的每一點的值亦會受到上上一層某個區域的影響。
感受野的定義：對于某層輸出特征圖上的某個點，在卷積神經網絡的原始輸入數據上能影響到這個點的取值的區域。
感受野的計算：計算什么層的感受野，方法不一樣。
圖1.4是感受野的簡單示意圖，可以看到，當第i-1層和第i-2層的卷積核大小為3×3、步長為1時，則第i層在第i-2層上的感受野大小為5×5。若想進一步計算第i層在原始輸入數據上的感受野大小，則還需要知道前面所有層的信息(如卷積核大小、步長等)。
我原來寫過關于感受野計算的簡要介紹，主要是針對求卷積層/池化層的感受野，鏈接如下：
https://blog.csdn.net/seasonsyy/article/details/132816967
參考文獻：
《百面深度學習》 諸葛越 江云勝主編
出版社：人民郵電出版社（北京）
ISBN：978-7-115-53097-4
2020年7月第1版（2020年7月北京第二次印刷）
_ 抓取單頁內容，正則表達式分析，保存至文件，開啟循環及多線程)
不跳轉)
