tf.nn.conv2d()須要搞清楚的幾個變量。

慣例先展現函數：

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

　　除去name參數用以指定該操做的name，與方法有關的一共五個參數：

• input： 
  指須要作卷積的輸入圖像，它要求是一個Tensor，具備[batch, in_height, in_width, in_channels]這樣的shape，具體含義是[訓練時一個batch的圖片數量, 圖片高度, 圖片寬度, 圖像通道數]，注意這是一個4維的Tensor，要求類型爲float32和float64其中之一

• filter： 
  至關於CNN中的卷積核，它要求是一個Tensor，具備[filter_height, filter_width, in_channels, out_channels]這樣的shape，具體含義是[卷積核的高度，卷積核的寬度，圖像通道數，卷積核個數]，要求類型與參數input相同，有一個地方須要注意，第三維in_channels，就是參數input的第四維。【有時候也叫ksize或卷積核】

• strides：卷積時在圖像每一維的步長，這是一個一維的向量，長度4。【注意：通常兩邊爲1.形如[1,height,weight,1]】。

• padding： 
  string類型的量，只能是」SAME」,」VALID」其中之一，這個值決定了不一樣的卷積方式【same：不夠還加。valid：不夠捨棄。】

• use_cudnn_on_gpu： 
  bool類型，是否使用cudnn加速，默認爲true