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,