使用小的卷積核代替大卷積核的目的有兩個，第一，降低參數數量，第二，順帶的效果是增加了網絡深度。
1，爲了方便same padding時的處理。如步長爲1時，要補充k-1的zero padding才能使輸出輸出的尺寸一致，這時候如果核大小k是偶數，則需要補充奇數的zero padding，不能平均分到feature map的兩側。
padding時對稱：保證了 padding 時，圖像的兩邊依然相 對稱 。 在卷積時，我們有時候需要卷積前後的尺寸不變。這時候我們就需要用到padding。假設圖像的大小，也就是被卷積對象的大小爲nn，卷積核大小爲kk，padding的幅度設爲(k-1)/2時，卷積後的輸出就爲(n-k+2((k-1)/2))/1+1=n，即卷積輸出爲nn，保證了卷積前後尺寸不變。但是如果k是偶數的話，(k-1)/2就不是整數了。
輸出圖像大小 = （輸入圖片大小 - 卷積核大小 + 2*padding）/ stride步長 + 1
見下圖，輸入圖像大小4x4，如果通過3x3卷積，輸出圖像大小不變，那麼(4 - 3 + x) / 1 + 1 = 4.需要padding大小爲x = 2，那麼上下左右各填0即可，
如下圖，如果採用偶數2x2卷積，那麼需要(4 - 2 + x) / 1 + 1.= 4填充爲x = 1，那麼只能在一邊添加。
2，爲了統一標準。卷積核的滑動是默認使用中心點作爲基準而進行的，而奇數核擁有這樣天然的基準。這樣每次計算完後的數放在中心位置。（其實自己定義偶數核的基準也是可以的，如使用核的左上角作爲基準。）
3，爲了更好地獲取中心信息。由於奇數核擁有天然的絕對中心點，因此在做卷積的時候能更好地獲取到中心這樣的概念信息。
保護位置信息：保證了錨點剛好在中間，方便以模塊中心爲標準進行滑動卷積，避免了位置信息發生偏移 。 在CNN中，進行卷積操作時一般會以卷積核模塊的一個位置爲基準進行滑動，這個基準通常就是卷積核模塊的中心。若卷積核爲奇數，卷積錨點很好找，自然就是卷積模塊中心，但如果卷積核是偶數，這時候就沒有辦法確定了，讓誰是錨點似乎都不怎麼好。
道生一，一生二，二生三，三生萬物
綜上，卷積核一般都把size設爲奇數，主要有以下兩個原因：
1.保證錨點（卷積核的中心）剛好在中間，方便以模塊中心爲標準進行滑動卷積。
2.保證了padding時，圖像的兩邊依然相對稱