tensorflow学习：tf.nn.conv2d 和 tf.layers.conv2d

看了很多tensorflow卷积的例子，有的用了tf.nn.conv2d，有的用了tf.layers.conv2d，那么这两个究竟有啥不同呢？

tf.layers.conv2d(inputs, filters, kernel_size, strides=(1,1),

                            padding='valid', data_format='channels_last',
                　　　 dilation_rate=(1,1), activation=None,
                　　　 use_bias=True, kernel_initializer=None,
                　　　 bias_initializer=init_ops.zeros_initializer(),
                　　　 kernel_regularizer=None,
                　　　 bias_regularizer=None,
                　　　 activity_regularizer=None, trainable=True,
                　　　 name=None, reuse=None)

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

对于卷积来说，作用是一样的。tf.layers.conv2d 使用tf.nn.convolution作为后端。

一个参数要注意一下：

filter:　是一个４维张量，其type必须和输入一样，

　　　　[filter_height, filter_width, in_channels, out_channels]

filters:一个整数，输出空间的维度，也就是卷积核的数量。


tf.layers.conv2d参数丰富，一般用于从头训练一个模型。
tf.nn.conv2d，一般在下载预训练好的模型时使用。
所以，喜欢哪个就用哪个咯。