关于tensorflow卷积shape的详细解析

1.几维就有几层括号[]
2.shape = 【5，2，3，4】
代表的意思的意思是234大小的三维矩阵，深度为俩层，五个这样的三维矩阵，在使用conv2d时，最后形成的矩阵按照这个shape规律形成，但是其shape对应位置的数字所代表的意义被重新赋予，在input中，第一个位置表示几个矩阵，第二位置表示矩阵高度，第三个位置表示矩阵宽度，最后一个表示矩阵深度。在filter中，第一个位置是卷积核宽，第二个位置是卷积核是高，第三个位置是卷积核的深度，第四个位置才是卷积核个数，然后函数conv2d会自己去计算，不用管他是不是符合一般的shape位置所表示得意义，最后生成矩阵的shape对应位置数字的意义与input一致。然后给加b的时候按照矩阵相加减的语法就可（注意扩展规律）