对tf.nn.conv2d方法的理解

理解这个方法之前，先要理解卷积的概念。
卷积，通俗的讲就是加权叠加，就相当于把输入信号的各个时间点的单位响应 加权叠加，就直接得到了输出信号。
在数字图像处理中，卷积的物理含义是：把一个点的像素值用它周围的点的像素值的加权平均代替。通常应用于图像滤波。
注意：这里要强调的是卷积运算时，输入与卷积核之间的运算过程不是矩阵运算，而仅仅是对应位置相乘，然后把所有的值相加，得到中心点的值。
如下图所示：

这篇文章对卷积的过程讲解比较详细：
https://blog.csdn.net/chaipp0607/article/details/72236892?locationNum=9&fps=1

• 方法定义

  tf.nn.conv2d (input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

• 参数：

1. input：输入的要做卷积的图片，要求为一个张量。
   shape即形态为： [ batch, in_height, in_weight, in_channel ]