tf.contrib.slim.conv2d()

convolution(inputs,
              num_outputs,
              kernel_size,
              stride=1,
              padding='SAME',
              data_format=None,
              rate=1,
              activation_fn=nn.relu,
              normalizer_fn=None,
              normalizer_params=None,
              weights_initializer=initializers.xavier_initializer(),
              weights_regularizer=None,
              biases_initializer=init_ops.zeros_initializer(),
              biases_regularizer=None,
              reuse=None,
              variables_collections=None,
              outputs_collections=None,
              trainable=True,
              scope=None)

• inputs                        是指須要作卷積的輸入圖像
• num_outputs             指定卷積核的個數（就是filter的個數）
• kernel_size               用於指定卷積核的維度（卷積核的寬度，卷積核的高度）
• stride                         爲卷積時在圖像每一維的步長
• padding                     爲padding的方式選擇，VALID或者SAME
• data_format              是用於指定輸入的input的格式
• rate                           對於使用空洞卷積的膨脹率，rate等於1爲普通卷積，rate=n表明卷積核中兩兩數之間插入了n-1個0
• activation_fn             用於激活函數的指定，默認的爲ReLU函數
• normalizer_fn           用於指定正則化函數
• normalizer_params  用於指定正則化函數的參數
• weights_initializer     用於指定權重的初始化程序
• weights_regularizer  爲權重可選的正則化程序
• biases_initializer       用於指定biase的初始化程序
• biases_regularizer    biases可選的正則化程序
• reuse                        指定是否共享層或者和變量
• variable_collections  指定全部變量的集合列表或者字典
• outputs_collections   指定輸出被添加的集合
• trainable                    卷積層的參數是否可被訓練
• scope                        共享變量所指的variable_scope