TensorFlow 添加卷积层

Tensorflow中提供了tf.nn.conv2d与tf.layers.conv2d用于添加卷积层，两者功能类似，后者为更高一级的api,和keras.layer类似。前者的激活函数需要另外代码，后者的激活函数是一个参数，不需要另外代码。

1. tf.nn.conv2d

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

• input: 指需要做卷积的输入图像（tensor），具有[batch,in_height,in_width,in_channels]这样的4维shape，分别是图片数量、图片高度、图片宽度、图片通道数，数据类型为float32或float64。
• filter: 相当于CNN中的卷积核，它是一个tensor，shape是[filter_height,filter_width,in_channels,out_channels]：滤波器高度、宽度、图像通道数、滤波器个数，数据类型和input相同。
• strides: 卷积在每一维的步长，一般为一个一维向量，长度为4，一般为[1,stride,stride,1]，第一个stride为行步长，第二个为列步长。
• padding:定义元素边框和元素内容之间的空间，只能是‘SAME’（边缘填充）或者‘VALID’（边缘不填充）。

返回Tensor.

2. tf.layers.conv2d

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=<tensorflow.python.ops.init_ops.Zeros object at 0x000002596A1FD898>, 
    kernel_regularizer=None,
    bias_regularizer=None, 
    activity_regularizer=None, 
    kernel_constraint=None, 
    bias_constraint=None, 
    trainable=True, 
    name=None,
    reuse=None)

• inputs：Tensor 输入
• filters：整数，表示输出空间的维数（即卷积过滤器的数量）
• kernel_size：一个整数，或者包含了两个整数的元组/队列，表示卷积窗的高和宽。如果是一个整数，则宽高相等。
• strides：一个整数，或者包含了两个整数的元组/队列，表示卷积的纵向和横向的步长。如果是一个整数，则横纵步长相等。另外， strides 不等于1 和 dilation_rate 不等于1 这两种情况不能同时存在。
• padding：“valid” 或者 “same”（不区分大小写）
• data_format：channels_last 或者 channels_first，表示输入维度的排序。
• dilation_rate：一个整数，或者包含了两个整数的元组/队列，表示使用扩张卷积时的扩张率。如果是一个整数，则所有方向的扩张率相等。另外， strides 不等于1 和 dilation_rate 不等于1 这两种情况不能同时存在。
• activation：激活函数。如果是None则为线性函数。
• use_bias：Boolean类型，表示是否使用偏差向量。
• kernel_initializer：卷积核的初始化。
• bias_initializer：偏差向量的初始化。如果是None，则使用默认的初始值。
• kernel_regularizer：卷积核的正则项
• bias_regularizer：偏差向量的正则项
• activity_regularizer：输出的正则函数
• kernel_constraint：映射函数，当核被Optimizer更新后应用到核上。Optimizer 用来实现对权重矩阵的范数约束或者值约束。映射函数必须将未被影射的变量作为输入，且一定输出映射后的变量（有相同的大小）。做异步的分布式训练时，使用约束可能是不安全的。
• bias_constraint：映射函数，当偏差向量被Optimizer更新后应用到偏差向量上。
• trainable：Boolean类型。
• name：字符串，层的名字。
• reuse：Boolean类型，表示是否可以重复使用具有相同名字的前一层的权重。

返回Tensor.