tf.nn.conv2d()

由于我做的是图像处理方面的，所以2d卷积用得最频繁，为了防止在使用中出错，节省调试时间，有必要好好的看看官方文档，欲利其事，必先利其器。

format:conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

  Args:
      input: A `Tensor`. Must be one of the following types: `half`, `float32`, `float64`.(注意，这里输入不能是int之类的，只能是指定的这几种数据类型，话说half是什么数据类型。)
    

  filter: A `Tensor`. Must have the same type as `input`. a filter / kernel tensor of shape `[filter_height, filter_width, in_channels, out_channels]`（必须与input是相同的数据类 型，这点也是必须注意的。还有filter要遵循这样的形式[filter_height, filter_width, in_channels, out_channels],其中输入通道in_channels要和input的C相同）

   strides: A list of `ints`.
        1-D of length 4.  The stride of the sliding window for each dimension
        of `input`. Must be in the same order as the dimension specified with format.（这里stride是个list，而且还要注意一般都是[1,stride_h,stride_w,1],stride[0]=stride[1]=1）

    padding: A `string` from: `"SAME", "VALID"`.
        The type of padding algorithm to use.(在这个padding模式下，一般本人用到的是SAME模式比较多，这样卷积之后的图片和卷积之前大小一样0.0)
    

  use_cudnn_on_gpu: An optional `bool`. Defaults to `True`.（一般可以不管，但是如果用cpu进行计算的话，估计还是要显示的改成False,不然有可能出错）
    

  data_format: An optional `string` from: `"NHWC", "NCHW"`. Defaults to `"NHWC"`. Specify the data format of the input and output data. With the  default format "NHWC", the data is stored in the order of:[batch, in_height, in_width, in_channels]    Alternatively, the format could be "NCHW", the data storage order of: [batch, in_channels, in_height, in_width].（指定输入input和返回值的数据形式，一般默认的是NHWC，也就是分别代表，N数量，H图片高,W图片宽，图像通道数）

      name: A name for the operation (optional).