一、
最近看tensorflow，试着写 cnn 代码，其中的一个接口 :
def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=True, data_format="NHWC", dilations=[1, 1, 1, 1], name=None)
其中 filter 这个 tensor [filter_height, filter_width, in_channels, out_channels] 对应的意思就是[卷积核的高度，卷积核的宽度，图像通道数，卷积核个数] 刚开始一直纠结的就是第四维哈
二、
对于tf.Session().run([], feed_dict)理解，函数原型：
run(fetches, feed_dict=None, options=None, run_metadata=None)之前一直纠结这个 run 到底是怎么运作的，现在搞明白一些哈，记录下：
第一个参数fetches 主要是 tensors，对于 text-cnn 示例代码里面，fetches=tf.train.AdamOptimizer(learning_rate).minimize(self.loss)哈，其实就是你期望干什么或者计算哪个值，放到 text-cnn 训练模型，再训练期间我当时时期望一直优化参数optim 了，ok，既然要优化参数 optim，那么他是怎么得到的呢？通过 self.loss 得到的。进一步，self.loss时通过训练数据和对应标签计算得到的，因此我们就知道 feed_dict 需要哪些参数了，就是[input_x, input_y]。也就是说 feed_dict 传哪些参数需要根据 fetches来定。
之前在网上 down 了一个 text_cnn 代码，训练了一下结果不错，但是怎么把他应用到线上呢，或者怎么用于生产呢？然后找到了TensorFlow Serving这货，搞了一天终于送上线了， 其中需要设置saved，涉及tf.saved_model.signature_def_utils.build_signature_def(inputs,outputs,method_name)，才对run 有了进一步了解。可以看一下这个黑哥们的解释哈，https://stackoverflow.com/questions/51401935/arguments-to-tensorflow-session-run-do-you-pass-operations