2018-03-02tf.nn.conv2d

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

1 input   是一个4维度张量，tensor，数据类型为float32和float64其中之一，格式 [batch_size,input-height,input-width,input-chanells]，含义[一批中有batch-size张图片, 每张图片高度为in_height, 每张图片宽度为in_width, 图像通道为in_channels]

2 filter 是滤波器，也是一个tensor，格式[filter-height,filter-width,inuput-chaneels,output-chaneels],含义是[滤波器的长度，滤波器的宽度，滤波器的输入图像的深度（也就是上个input输入图片的深度），输出图像的深度feature map的深度]

3  strides是步长，一维向量，格式 [batch,input-height,input-width,input-chanells]         什么意思呢，就是strides参数是对应input参数的四个维度的，   假设strides=[1,2,3,4]  （实际上不能出现这样的参数），那么意思就是，在batch这个维度的步长是1,在input-height这个维度的步长是2,在input-width这个维度的步长是3,在input-chanells这个维度的步长是4.      我们通常把 batch 和 input_channels （strides 序列中的第一个第四个）的 stride 设为 1。这样才符合现实意义

4 padding 就是填充，分为"VALID" 和 "SAME"这两个字符型，就是滤波器在图像边缘的时候，两种不同操作方式，分别称之为有效填充VALID padding，   和相同填充same padding

5 use_cudnn_on_gpu=None   是否使用cudnn加速  默认使用 True    bool型数据

6 name  是指tf.nn.conv2d这个函数输出的张量tensor的名字