conv2d参数_Tensorflow-tf.nn.conv2d介绍（TF2.0版本）

tf.nn.conv2d是Tensorflow中非常重要的实现2D卷积的方法，根据官方网站：

tf

参数：

input: 需要输入的图像，类型为4维的Tensor，数据类型常为float32或float64。格式为[batch, in_height, in_width, in_channels]，具体含义为[训练一个batch中的图片数量, 图片高度, 图片宽度, 图片通道数]。如果图片为灰度照片，图片通道数为1，如果图片为彩色RGB照片，图片通道数为3。

filters: 卷积核，类型为4维的Tensor。数据类型必须和input保持一致。格式为[filter_height, filter_width, in_channels, out_channels]，具体含义为[卷积核的高度，卷积核的宽度，图片通道数，卷积核个数]。注意input的第四维和filter的第三维保持一致。

strides: 步长，类型为int，或长度为1,2,4的list。如果strides是一个int a，那么默认是上下步长和左右步长都为a。根据NHWC规则，N和C默认为1。strides一般格式为[1，上下步长，左右步长，1]。

padding: "SAME"或"VALID"两种。"SAME"表示卷积核可以停留在图像边缘。

data_format："NHWC"或"NCHW"，默认是"NHWC"。如果用"NHWC"，数据存储方式为[batch, height, weight, channels]，如果用"NCHW"，数据存储方式为[batch,channels, height, weight]。

结果返回的是一个Tensor，和input的格式一样。

最后，附上一张conv2d和conv2d_transpose的关系图。