tensorflow tf.nn.conv2dj函数参数解析

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
参数input：输入图像，是一个张量，具有**[batch, in_height, in_width, in_channels]**形状，batch图片数量, in_height图片高度, in_width图片宽度, in_channels图像通道数。

参数filter：等价于CNN中的kernel，也是一个张量，具有**[filter_height, filter_width, in_channels, out_channels]**形状，分别为卷积核的高度，卷积核的宽度，图像通道数，卷积核个数，要求类型与参数input相同。

参数strides：卷积时在图像每一维的步长，第一个和第四个必须为1，第二个和第三个表示一个图片水平和垂直方向的步长。例如 [1,1,1,1]，[1,2,2,1]

参数padding：可选"SAME"或"VALID"，valid指不做填充，例如原图为66 卷积核为33 则结果为44，相应的，same指周围补零，以保证卷积结果与原图大小一样。66补零为8*8。

参数use_cudnn_on_gpu：bool型，是否使用cudnn加速，默认为true

参数name:函数返回张量的名称，即feature map的名称。

函数返回结果为一个张量，形状与input相同，也就是常说的feature map，