【深度学习】为什么CNN中的卷积核大小都是奇数？

参考资料：
知乎-为什么CNN中的卷积核一般都是奇数奇数，没有偶数偶数的？
深度学习: 卷积核 为什么都是 奇数size
【AI-1000问】为什么CNN中的卷积核半径都是奇数？

主要有两点原因：

1.便于进行padding。
在卷积时，若要卷积前后的尺寸不变。需要对原图进行padding。

假设图像的大小，也就是被卷积对象的大小为$n\ast n$，卷积核大小为$k\ast k$

当padding的幅度设为$\frac{k-1}{2}$时，卷积后的输出就为$\frac{n-k+2\ast \frac{k-1}{2}}{1}+1=n$，即卷积输出为n*n

保证了卷积前后尺寸不变。但是如果k是偶数的话，$\frac{k-1}{2}$就不是整数了。

这样做保证 锚点 刚好在中间，方便以模块中心为标准进行滑动卷积，避免了位置信息发生 偏移

2.容易找到卷积锚点
在像素这个领域里，偶数框其实是没有一个“绝对的物理中心”的

奇数相对于偶数，有中心点，对边沿、对线条更加敏感，可以更有效的提取边沿信息。保证了 padding 时，图像的两边依然相对称

偶数也可以使用，但是效率比奇数低。在数以万计或亿计的计算过程中，每个卷积核差一点，累计的效率就会差很多。

---

如果只是想移动，那默认左上角为中心点也是可以的~

现在大家都那么约定俗成罢了

更多内容见参考资料里知乎上的讨论。