什么是卷积核？

神经网络中的卷积核是训练出来的，是为了提取图像特征，借鉴了加权求和的特点。
卷积核的本质就是找出图片中和自己相似的部分。

卷积核的空间是对称的。如果存在一个卷积核A,那么一定存在另外一个卷积核B,使得B的转置就是A.

大部分卷积核是奇数的，为啥？
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。

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。

个人觉得，卷积核选用奇数还是偶数与使用的padding方式有关。当进行valid或使用full 时，选用奇数还是偶数的差别并不是很大。但是，若使用的是same时就不一样了。当在一个宽度为m的输入维度(张量维)上使用宽度为k的卷积核时，same 需要补k-1个0。如果k为奇数的话，补的这k-1个0可以在两侧对称分布，如果是偶数则不然。

卷积核的格式
例如：一个(3,3,64,32)的卷积核意思是：卷积核高度、卷积核宽度、输入通道数、输出通道数
具体意思是：32个64通道数的3*3的卷积核和输入进行卷积 输出32个卷积结果。