tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')参数理解

原文：https://blog.csdn.net/oMoDao1/article/details/84994437 

例子：

W = tf.truncated_normal([5, 5, 1, 32], stddev=0.1)
tf.nn.conv2d(x, W, strides=[1, 2, 2, 1], padding='SAME')

1、shape= [5,5,1,32]

前面两个5,表示卷积核的长宽分别为5

1表示输入图像对应的通道数，比如输入的图像是单通道的则设置为1，如果是RGB三通道的，则设置为3

32表示卷积核的个数，对应输出32张图

2、strides=[1, 2, 2, 1]

四个元素规定前后必须为1，中间两个数表示水平滑动和垂直滑动步长值

3、padding='SAME'

SAME表示在扫描的时候，如果遇到卷积核比剩下的元素要大时，这个时候需要补0进行最后一次的行扫描或者列扫描