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 ∗ n n*n n∗n，卷积核大小为 k ∗ k k*k k∗k
当padding的幅度设为 k − 1 2 \frac{k-1}{2} 2k−1时，卷积后的输出就为 n − k + 2 ∗ k − 1 2 1 + 1 = n \frac{n-k+2*\frac{k-1}{2}}{1}+1=n 1n−k+2∗2k−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， k − 1 2 \frac{k-1}{2} 2k−1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。