tf.nn.conv2d函数

本文以tf1.13版本为例，介绍tensorflow二维卷积conv2d，该函数的输入参数如下： 

tf.nn.conv2d(
    input,                    #shape为(*,*,*,*),4-D的tensor,每个维度的意义与data_fromat对应
    filter=None,              #shape为(*,*,*,*),同input的shape，前两位为滤波器的高和宽，后两位为输入输出通道数
    strides=None,             #shape为(4,), 1-D的tensor,长度为4，对应input中每一维的步长
    padding=None,             #"SAME", "VALID"两种模式
    use_cudnn_on_gpu=True,
    data_format='NHWC',       #另一种模式为"NCHW"
    dilations=[1, 1, 1, 1],   #1-D的向量，长度为4，对应filter相邻两元素在input中对应维度跳跃的像素数，如果值k > 1, 相邻滤波器之间跳跃k-1个像素。
      filter element on that dimension
    name=None,                #运算的名称
)

该函数的处理逻辑如下：

  In detail, with the default NHWC format,

      output[b, i, j, k] =
          sum_{di, dj, q} input[b, strides[1] * i + di, strides[2] * j + dj, q] *
                          filter[di, dj, q, k]

关于padding的两种模式的处理过程，可参考该博客。

参考文献：

1. https://www.tensorflow.org/versions/r1.13/api_docs/python/tf/nn/conv2d
2. https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/python/ops/nn_ops.py

3. tf.nn.convolution中关于padding的"VALID" or "SAME"操作