tf.keras.layers.Conv2D()

tf.keras.layers.Conv2D()函数可以描述卷积层，其语法格式如下：

tf.keras.layers.Conv2D(
    filters, kernel_size, strides=(1, 1), padding='valid', data_format=None,
    dilation_rate=(1, 1), activation=None, use_bias=True,
    kernel_initializer='glorot_uniform', bias_initializer='zeros',
    kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
    kernel_constraint=None, bias_constraint=None, **kwargs
)

其中：
1、filter 为卷积核的个数

2、kernel_size 为卷积核尺寸，正方形用一个整数表示即可；长方形需指明 高h, 核宽w,可以用列表或元组表示，如(h,w)，[h,w].

3、strides 为滑动步长，默认横纵向滑动步长均为1,即(1,1),也可以设置其他步长(纵向步长h,横向步长w).

4、padding 为补零策略，padding = "SAME"需全零填充，padding = “VALID” 不需要区分大小写。注意此处不区分大小写。

5、data_format 为输入的数据格式，此处有两个取值，data_format = “channels_first” 或 data_format = "channels_last.输入的数据格式。默认取“channels_last”,即默认输入数据的格式中，通道数为最后一个。当data_format = "channels_first"的时候，输入和输出的shape格式为
(batch_size, channels, height, width)即（图片数量，通道数，长，宽）。

6、dalition_rate 为卷积核的膨胀系数，格式为数组或列表，其作用是将卷积核进行形状膨胀，新的位置用0填充，新卷积核的尺寸和膨胀系数的计算公式如下：原卷积核的尺寸为S ，膨胀系数为k，则膨胀后的卷积核尺寸为size = k×（S-1）+1。

7、activation 为激活函数。相当于经过卷积输出后，在经过一次激活函数，常见的激活函数有relu，softmax，selu等。

剩余参数不经常使用，此处就不进行详细介绍！

以上内容，如有错误，敬请批评指正！谢谢！