通俗理解tf.nn.conv2d()参数的含义

首先以tensorflow中最常用的卷积神经网络为案例进行说明：

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必须是一个四维的tensor，以28✖️28✖️1的图像为案例进行说明，首先需要转换为4维，需要加入图像样本的个数，假设为100张，变为[100,28,28,1]，直观理解为100张 2828的只有一个通道的图片。
我们再来看filter，即卷积神经网络的滤波器，必须与input维度相同，[3,3,1,2]，通俗理解为33的卷积核2个，只作用于1个通道，即input的最后一个参数和filter的倒数第二个参数是相同的。
第三个参数是stride，控制卷积核的移动步数，与上述两个参数相同，也是四维的，[1,1,1,1]，其中第一个1和最后一个1是固定值，需要改变的是中间的两个数，即在x轴和y轴的移动步长。
第四个参数是padding，只有两个取值，'SAME'和'VALID'，第一个是填充边界，第二个是当不足以移动时直接舍弃。
其他参数选择默认即可。