tf.contrib.slim.conv2d()

 参考 tf.contrib.slim.conv2d() - 云+社区 - 腾讯云

convolution(inputs,
              num_outputs,
              kernel_size,
              stride=1,
              padding='SAME',
              data_format=None,
              rate=1,
              activation_fn=nn.relu,
              normalizer_fn=None,
              normalizer_params=None,
              weights_initializer=initializers.xavier_initializer(),
              weights_regularizer=None,
              biases_initializer=init_ops.zeros_initializer(),
              biases_regularizer=None,
              reuse=None,
              variables_collections=None,
              outputs_collections=None,
              trainable=True,
              scope=None)

• inputs                        是指需要做卷积的输入图像
• num_outputs             指定卷积核的个数（就是filter的个数）
• kernel_size               用于指定卷积核的维度（卷积核的宽度，卷积核的高度）
• stride                         为卷积时在图像每一维的步长
• padding                     为padding的方式选择，VALID或者SAME
• data_format              是用于指定输入的input的格式
• rate                           对于使用空洞卷积的膨胀率，rate等于1为普通卷积，rate=n代表卷积核中两两数之间插入了n-1个0
• activation_fn             用于激活函数的指定，默认的为ReLU函数
• normalizer_fn           用于指定正则化函数
• normalizer_params  用于指定正则化函数的参数
• weights_initializer     用于指定权重的初始化程序
• weights_regularizer  为权重可选的正则化程序
• biases_initializer       用于指定biase的初始化程序
• biases_regularizer    biases可选的正则化程序
• reuse                        指定是否共享层或者和变量
• variable_collections  指定所有变量的集合列表或者字典
• outputs_collections   指定输出被添加的集合
• trainable                    卷积层的参数是否可被训练
• scope                        共享变量所指的variable_scope