内容节选自《神经网络与深度学习》电子版：https://nndl.github.io/
对于一个卷积层，如果希望增加输出单元的感受野，一般可以通过三种方式 实现：
1）增加卷积核的大小；
2）增加层数，比如两层3×3的卷积可以近似一层5×5 卷积的效果；
3）在卷积之前进行汇聚操作。
前两种方式会增加参数数量，而 第三种方式会丢失一些信息。
空洞卷积（Atrous Convolution）是一种不增加参数数量同时增加输出单元感受野的一种方法，也称为膨胀卷积（Dilated Convolution）。 空洞卷积通过给卷积核插入“空洞”来变相地增加其大小。
如果在卷积核的每两个元素之间插入????−1个空洞，卷积核的有效大小为
????′=????+(????−1)×(????−1)
其中????称为膨胀率（DilationRate），当????=1时卷积核为普通的卷积核。
D=2时，K' = 3+(3-1)*(2-1) = 5
D=3时，K' = 3+(3-1)*(3-1) = 7