一 语法格式
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
二 参数解释
input：指需要做卷积的输入图像，它要求是一个Tensor，具有[batch,in_height,in_width,in_channels]这样的形状（shape），具体含义是“训练时一个batch的图片数量，图片高度，图片宽度，图像通道数”，注意这是一个四维的Tensor，要求类型为float32和float64其中之一。
filter：卷积核，它要求是一个Tensor，具有[filter_height,filter_width,in_channels,out_channels]这样的shape，具体含义是“卷积核的高度，卷积核的宽度，图像通道数，滤波器个数”，要求类型与参数input相同。有一个地方需要注意，第三维in_channels，就是参数input的第四维。
strides：卷积时在图像每一个维的步长，这是一个一维的向量，长度为4。
padding：定义元素边框与元素内容之间的空间。string类型，只能是SAME和VALID其中之一，这个值决定了不同的卷积方式，padding的值为“VALID”时，表示边缘不填充，当其为“SAME”时，表示填充到滤波器可以到达图像的边缘。
use_cudnn_on_gpu：bool类似，是否使用cudnn加速，默认为true。
三 返回值
返回一个Tensor，这个输出就是常说的feature map。
四 参考