keras：Convolution2D与Conv2D
关系
总体区别：Convolution2D = Conv2D
参考来源：源文件 github.keras.layder.convolutional
# Aliases
Convolution1D = Conv1D
Convolution2D = Conv2D
Convolution3D = Conv3D
SeparableConvolution1D = SeparableConv1D
SeparableConvolution2D = SeparableConv2D
Convolution2DTranspose = Conv2DTranspose
Deconvolution2D = Deconv2D = Conv2DTranspose
Deconvolution3D = Deconv3D = Conv3DTranspose
区别示例
代码示例：
input_shape = (72,14,1)
x = Input(shape = input_shape)
c1 = Convolution2D( 64 , 9 , 9 , activation = 'relu', init = 'he_normal', border_mode='same')(x) #64个9*9滤波器，relu
c2 = Convolution2D( 32 , 1 , 1 , activation = 'relu', init = 'he_normal', border_mode='same')(c1) #32个1*1滤波器，relu
c3 = Convolution2D( 1 , 5 , 5 , init = 'he_normal', border_mode='same')(c2)#1个5*5滤波器
#c1 = Conv2D(64, (9, 9), activation="relu", padding="same", kernel_initializer="he_normal")(x)
#c2 = Conv2D(32, (1, 1), activation="relu", padding="same", kernel_initializer="he_normal")(c1)
#c3 = Conv2D(1, (5, 5), padding="same", kernel_initializer="he_normal")(c2)
参考来源：某模型的不同两篇源码
Conv2D
用法：
keras.layers.convolutional.Conv2D(filters, kernel_size, strides=(1, 1), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
参数：
filters：卷积核的数目（即输出的维度）
kernel_size：卷积核的宽度和长度。
strides：为卷积的步长。
padding：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。
activation：激活函数。如果不指定该参数，将不会使用任何激活函数
dilation_rate：指定dilated convolution中的膨胀比例。
data_format：字符串，“channels_first”或“channels_last”之一，代表图像的通道维的位置。“channels_last”对应原本的“tf”，“channels_first”对应原本的“th”。以128x128的RGB图像为例，“channels_first”应将数据组织为（3,128,128），而“channels_last”应将数据组织为（128,128,3）。该参数的默认值是~/.keras/keras.json中设置的值，若从未设置过，则为“channels_last”。
use_bias:布尔值，是否使用偏置项
kernel_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。参考initializers
bias_initializer：权值初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。参考initializers
kernel_regularizer：施加在权重上的正则项，为Regularizer对象
bias_regularizer：施加在偏置向量上的正则项，为Regularizer对象
activity_regularizer：施加在输出上的正则项，为Regularizer对象
kernel_constraints：施加在权重上的约束项，为Constraints对象
bias_constraints：施加在偏置上的约束项，为Constraints对象
输入shape:
‘channels_first’模式下，输入形如（samples,channels，rows，cols）的4D张量
‘channels_last’模式下，输入形如（samples，rows，cols，channels）的4D张量
输出shape：
‘channels_first’模式下，为形如（samples，nb_filter, new_rows, new_cols）的4D张量
‘channels_last’模式下，为形如（samples，new_rows, new_cols，nb_filter）的4D张量
参考来源：keras中文文档