tf.layers.conv2d

 1 tf.layers.conv2d(
 2     inputs,     # [batch, in_height, in_width, in_channels]
 3     filters,    # 过滤器，输出的深度 filters=32
 4     kernel_size,# 过滤器在二维的大小
 5     strides=(1,1),  # 步长为1
 6     padding='valid',    # same 表示输出形状大小不变，因此需要补零
 7     data_format='channels_last',
 8     dilation_rate=(1, 1),
 9     activation=None,    # 激活函数 tf.nn.relu    
10     use_bias=True,
11     kernel_initializer=None,
12     bias_initializer=tf.zeros_initializer(),
13     kernel_regularizer=None,
14     bias_regularizer=None,
15     activity_regularizer=None,
16     kernel_constraint=None,
17     bias_constraint=None,
18     trainable=True,
19     name=None,
20     reuse=None
21 )

• inputs：张量输入。
• filters：整数，输出空间的维数（即卷积中滤波器的数量）。
• kernel_size：2整数的整数或元组/列表，指定2D卷积窗口的高度和宽度。可以是一个整数，为所有空间维度指定相同的值。
• strides：2个整数的整数或元组/列表，指定沿高度和宽度的卷积步幅。可以是一个整数，为所有空间维度指定相同的值。指定任何stride值！= 1与指定任何dilation_rate值！= 1 不兼容。
• padding：其中一个"valid"或"same"（不区分大小写）。

• data_format：一个字符串，其中一个channels_last（默认）或channels_first。输入中维度的排序。channels_last对应于具有形状的输入 (batch, height, width, channels)而channels_first对应于具有形状的输入(batch, channels, height, width)。

• dilation_rate：2个整数的整数或元组/列表，指定用于扩张卷积的膨胀率。可以是一个整数，为所有空间维度指定相同的值。目前，指定任何dilation_rate值！= 1与指定任何跨度值！= 1都不兼容。

• activation：激活函数