tensorflow之卷积函数tf.nn.conv2d

tf.nn.conv2d的作用是实现卷积操作，其语法格式如下：

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

其中：
1、input:为需要进行卷积操作的输入图像，其必须为一个张量(Tensor)，具有[batch,in_height,in_width,in_channels]这样的4维shape，分别是图片数量、图片高度、图片宽度、图片通道数，数据类型为float32或float64。

2、filter:是卷积核，其也必须是张量(Tensor)，具有[filter_height, filter_width, in_channels, out_channels]四个维的shape，具体含义是[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。需要注意，此处的图像通道数和input的需相同。

3、strides:卷积在每一维的步长，一般为一个一维向量，长度为4，一般为[1,stride,stride,1],注意第一位和最后一位必须是1.

4、padding:是一个字符串(string)类型的量，其一般有两个取值，即padding = “SAME”（边缘填充）或者padding = “VALID”（边缘不填充）。
注意：若padding = “SAME”，则输出特征图和输入图像尺寸相同；若padding = “VALID”,则输出特征图一般比输入图像小。

5、use_cudnn_on_gpu：bool 类型，是否使用 cudnn 加速，默认为 true。

注意该函数最后的返回值仍然是一个Tensor.