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/原文鏈接
該層創建一個卷積核，該卷積核與層輸入卷積以產生輸出張量。如果use_bias爲True，則會創建一個偏移向量並將其添加到輸出中。最後，如果activation不是None，它也將應用於輸出。
將此層用作模型中的第一層時，請提供關鍵字參數input_shape（整數元組，不包括批處理軸），例如input_shape=（128，128，3）用於數據格式爲“channels_last”的128x128 RGB圖片。
filters：整數，輸出空間的維數（即卷積中輸出濾波器的數目）。
kernel_size：2個整數的整數或元組/列表，指定二維卷積窗口的高度和寬度。可以是單個整數，以指定所有空間維度的相同值。 strides=(1, 1)：2個整數的整數或元組/列表，指定卷積沿高度和寬度的跨步。可以是單個整數，以指定所有空間維度的相同值。指定任何跨距值！=1與指定任何膨脹率值不兼容！=1。
padding：“有效”或“相同”（不區分大小寫）。注意“相同的”是稍微不一致的兩端跨大步！=1，如下所述
數據格式：一個字符串，是“channels_last”或“channels_first”之一。輸入尺寸的順序。”
“channels_last”對應於具有形狀（批、高度、寬度、通道）的輸入，
“channels_first”對應於具有形狀（批、通道、高度、寬度）的輸入。它默認爲位於~/.Keras/Keras.json的Keras配置文件中的圖像數據格式值。如果你從未設置，那麼它將是“最後一個頻道”。
膨脹率：2個整數的整數或元組/列表，指定用於膨脹卷積的膨脹率。可以是單個整數，以指定所有空間維度的相同值。當前，指定任何膨脹率值！=1與指定任何跨距值不兼容！=1。
激活：要使用的激活函數（請參閱激活）。如果不指定任何內容，則不應用激活（即“線性”激活：a（x）=x）。 使用_bias:Boolean，層是否使用偏移向量。
內核初始值設定項：內核權重矩陣的初始值設定項（請參見初始值設定項）。
bias_初始值設定項：偏移向量的初始值設定項（請參見初始值設定項）。
核正則化：應用於核權重矩陣的正則化函數（見正則化）。
偏置正則化器：應用於偏置矢量的正則化器函數（見正則化器）。
活動正則化器：應用於層輸出的正則化器函數（其“激活”）。（見正則化）。
核約束：應用於核矩陣的約束函數（見約束）。
bias_constraint：應用於偏移向量的約束函數