tf.nn.conv2d函数解析

#tensorflow中卷积核函数的解析
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
input_shape=[batch,in_height,in_width,in_channels]
也即分别为每批次图片的数目，输入图片的高度、宽度和通道数目
filter_shape=[filter_height,filter_width,in_channels,out_channels]
也即卷积核的高度、宽度和输入的通道数目（与input_shape的第四个参数一致），最后一个参数是输出的通道数目（和卷积核的个数一致）
output_shape=[batch,height,width,channels]
输出的维度特征与输入的维度特征相一致，也是每批次多少张图片、图片的高度、宽度及通道数目
strides一般设置为[1,1,1,1],也即默认步长为1
padding参数可以设置为‘SAME’或者’VALID’,如果设为‘SAME’则会对输入图片进行填充0操作，使得输出特征图尺寸与输入图片保持一致，设置为‘VALID’则不进行填充0操作，由于卷积操作的特性会得到尺寸缩小的特征图