tf.nn.conv2d()參數解釋

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None)

首先input必須是一個四維的tensor，以28✖️28✖️1的圖像爲案例進行說明，首先需要轉換爲4維，需要加入圖像樣本的個數，假設爲100張，變爲[100,28,28,1]，直觀理解爲100張 2828的只有一個通道的圖片。
我們再來看filter，即卷積神經網絡的濾波器，必須與input維度相同，[3,3,1,2]，通俗理解爲33的卷積核2個，只作用於1個通道，即input的最後一個參數和filter的倒數第二個參數是相同的。
第三個參數是stride，控制卷積核的移動步數，與上述兩個參數相同，也是四維的，[1,1,1,1]，其中第一個1和最後一個1是固定值，需要改變的是中間的兩個數，即在x軸和y軸的移動步長。
第四個參數是padding，只有兩個取值，'SAME'和'VALID'，第一個是填充邊界，第二個是當不足以移動時直接捨棄。
其他參數選擇默認即可。

作者：不分享的知識毫無意義
鏈接：https://www.jianshu.com/p/155204cfbf56
來源：簡書