CNN卷积参数解析-tf.nn.conv2d

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

input：待卷积的数据，格式要求为一个张量tensor，【batch,in_height,in_width,in_channels】

               分别表示：批次数，图像高度，宽度，输入通道数

filter：卷积核，格式要求为【filter_height,filter_width,in_channels,out_channels】

                分别表示 卷积核的高度，宽度，输入通道数，输出通道数

strides:一个长为4的list，表示每次卷积以后卷积窗口在input中滑动的距离。

      一种常用的经典设置就是要求，strides[0]=strides[3]=1。

            strides[0] = 1，也即在 batch 维度上的移动为 1，也就是不跳过任何一个样本，否则当初也不该把它们作为输入（input）

            strides[3] = 1，也即在 channels 维度上的移动为 1，也就是不跳过任何一个颜色通道

padding:有SAME和VALID两个选项，表示是否要保留图像边上那一圈不完全卷积的部分，如果是SAME，则保留

                  补0策略，为“valid”, “same” 。“valid”代表只进行有效的卷积，即对边界数据不处理。

               “same”代表保留边界处的卷积结果，通常会导致输出shape与输入shape相同，因为卷积核移动时在边缘会出现大小不够的情况。

use_cudnn_on_gpu:是否使用cudnn加速，默认是True