Tensorflow学习

def conv2d(x,W):
    return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding="SAME")

x是输入（张量，Keras里这里可以是numpy，TensorFlow好像只能是张量，测试的时候是这样，有待考证），W是权重。strides=[1,1,1,1]其实是strides=[1,x,y,1]，x,y是用来设置步长的。

W_conv1=weight_variable([3,3,1,32])

其中3,3就是Keras中filter_size，1就是输入的通道（输入层就是图片的通道，之后就是上一层的输出的通道），32就是输出的通道。

设置偏置：

b_conv1=bias_variable([32])

完整卷积：

h_conv1=tf.nn.relu(conv2d(x_image,W_conv1)+b_conv1)