卷积神经网络Conv2D参数说明 input_shape

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)

https://keras.io/layers/convolutional/原文链接 

该层创建一个卷积核，该卷积核与层输入卷积以产生输出张量。如果use_bias为True，则会创建一个偏移向量并将其添加到输出中。最后，如果activation不是None，它也将应用于输出。            

 将此层用作模型中的第一层时，请提供关键字参数input_shape（整数元组，不包括批处理轴），例如input_shape=（128，128，3）用于数据格式为“channels_last”的128x128 RGB图片。 

filters：整数，输出空间的维数（即卷积中输出滤波器的数目）。              

kernel_size：2个整数的整数或元组/列表，指定二维卷积窗口的高度和宽度。可以是单个整数，以指定所有空间维度的相同值。   strides=(1, 1)：2个整数的整数或元组/列表，指定卷积沿高度和宽度的跨步。可以是单个整数，以指定所有空间维度的相同值。指定任何跨距值！=1与指定任何膨胀率值不兼容！=1。            

padding：“有效”或“相同”（不区分大小写）。注意“相同的”是稍微不一致的两端跨大步！=1，如下所述              

数据格式：一个字符串，是“channels_last”或“channels_first”之一。输入尺寸的顺序。”

“channels_last”对应于具有形状（批、高度、宽度、通道）的输入，

“channels_first”对应于具有形状（批、通道、高度、宽度）的输入。它默认为位于~/.Keras/Keras.json的Keras配置文件中的图像数据格式值。如果你从未设置，那么它将是“最后一个频道”。            

 膨胀率：2个整数的整数或元组/列表，指定用于膨胀卷积的膨胀率。可以是单个整数，以指定所有空间维度的相同值。当前，指定任何膨胀率值！=1与指定任何跨距值不兼容！=1。            

 激活：要使用的激活函数（请参阅激活）。如果不指定任何内容，则不应用激活（即“线性”激活：a（x）=x）。 使用_bias:Boolean，层是否使用偏移向量。              

内核初始值设定项：内核权重矩阵的初始值设定项（请参见初始值设定项）。              

bias_初始值设定项：偏移向量的初始值设定项（请参见初始值设定项）。              

核正则化：应用于核权重矩阵的正则化函数（见正则化）。              

偏置正则化器：应用于偏置矢量的正则化器函数（见正则化器）。            

 活动正则化器：应用于层输出的正则化器函数（其“激活”）。（见正则化）。            

 核约束：应用于核矩阵的约束函数（见约束）。            

 bias_constraint：应用于偏移向量的约束函数