仅通过具有更多参数，较深的模型就比较小的模型具有更高的容量。这意味着理论上它可以学习从数据中提取更复杂的特征。此外，更多层意味着模型可以从数据中提取更高级别的特征。因此，一般来说，对于更困难的任务，更深层次的模型在大多数情况下会胜过浅层模型。

缺点是如果数据量少，大容量的模型有记忆训练集的能力，会导致过拟合。除了性能之外，更深层次的模型还需要更好的硬件和更长的训练时间。因此，有很多理由让人们更喜欢更浅的模型而不是更深的模型。