tensorflow 中卷积 conv2d 的实现及特殊情况下的处理方式

一、先来介绍一下卷积操作conv2d的实现

该函数的官方文档如下：

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

其中，第一个参数 input ，是输入的预处理图像，它要求是一个四维的张量，每个维度对应为 【batchsize, 输入图像宽度，输入图像高度，输入图像深度】 ，数据类型只能用浮点型

第二个参数 filter 是卷积核的大小，也要求是四维张量，对应为 【卷积核宽度，卷积核高度，输入的图像深度，输出的图像深度】

第三个参数是设定步长，是一个有四个元素的向量，对应为  【1，水平方向步长，垂直方向步长，1】 

第四个参数是一个指示填充方式的参数，只能选择 ‘SAME’或者‘VALID’ ，前者说明进行填充，后者说明不用填充。

其他的参数一般情况下默认即可，如需改变请参考官方原文解释：https://tensorflow.google.cn/api_docs/python/tf/nn