笔记1：使用奇数卷积核的原因

在CNN中我们通常会使用3×3、5×5、7×7等奇数的卷积核，而很少见过使用2×2、4×4等偶数的卷积核的，这是为什么呢？

原因如下：

• 1.在对图像进行卷积时，为了尽量的减少特征的损失。此时对图像进行卷积，使得卷积前后的图像的大小同输入一样保持不变。故我们需要进行padding。现在我们设输入图像的大小为n×n，卷积核大小为k×k，padding的大小就为（k-1）/2,根据卷积公式：
  
  可计算出卷积后的图片尺寸大小为：
  （n-k+2(k-1)/2）/1+1*
  故最终的输出大小还是n×n,这样就保证了卷积前后尺寸不变。
  例如此时我们采用卷积核为偶数，那么(k-1)/2就不是整数了。

• 2 .在CNN中，进行卷积时，卷积核是方形的，为了统一标准，会用卷积核模块中心为基准进行滑动，从被卷积矩阵第一个框按一定步长从左到右、从上到下进行滑动，最后滑动到被积矩阵最后一块。所以卷积核一般为奇数，主要是方便以模块中心为标准进行滑动卷积。

• 3 .采用卷积核为奇数可以强调中心，使得特征的损失减小;能更好地获取到中心的概念信息。

• 4 .奇数卷积核对边沿、对线条更加敏感，可以更有效的提取边沿信息。当然偶数也可以使用，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了。