我正在读一本名为Python Deep Learning的书，在第 5 章的深度学习中的卷积层中，写了以下内容：

更重要的一点是，卷积网络的深度通常应该等于可以被 2 迭代整除的数字，例如 32、64、96、128 等。这在使用池化层时很重要，例如最大池层，因为池化层（如果它的大小为 (2,2)）将划分输入层的大小，类似于我们应该如何定义“步幅”和“填充”，以便输出图像具有整数尺寸。此外，可以添加padding，以确保输出图像大小与输入相同。

据我所知，宽度和高度应该是可被 2 整除的数字，以便使用池化层。但是，我不明白为什么深度必须是一个可以被2整除的数字。池化层只是在一个基于宽度和高度的二维屏幕上操作，它对每个过滤器（深度）分别操作，对吧？

为什么深度也应该设置为可被 2 整除的数字？