------------恢复内容开始------------
tensorflow基础函数合辑
import tensorflow as tf
*tf.constant*
函数定义：tf.constant(data,shape=[])
参数说明：data--输入数据，shape--reshape后的形状。使用的reshape中的最低维度优先填充原则。
reshape可参考：http://chenjingjiu.cn/index.php/2019/07/04/numpy-reshape/
*tf.tile*
tf.tile:用来对张量(Tensor)进行扩展的, 其特点是对当前张量内的数据进行一定规则的复制。最终的输出张量维度不变。
函数定义：
tf.tile( input, multiples, name=None )
示例：
>>>tf.tile([1,2],[2])
[1,2,1,2]
*tf.nn.conv2d*
函数定义：
tf.nn.conv2d(
input, filter, strides, padding, use_cudnn_on_gpu=True, data_format='NHWC', dilations=[1, 1, 1, 1], name=None ) Returns: A Tensor.
参数说明：
input：
指需要做卷积的输入图像（tensor），
具有[batch,in_height,in_width,in_channels]这样的4维shape，
分别是图片数量、图片高度、图片宽度、图片通道数，数据类型为float32或float64。
filter:
相当于CNN中的卷积核，它是一个tensor，shape是[filter_height,filter_width,in_channels,out_channels]：滤波器高度、宽度、图像通道数、滤波器个数，数据类型和
input相同。
strides:
卷积在每一维的步长，一般为一个一维向量，长度为4，一般为[1,stride,stride,1]。
padding
定义元素边框和元素内容之间的空间，只能是‘SAME’（边缘填充）或者‘VALID’（边缘不填充）。
关于计算输出数据的维度可以参考这个：
------------恢复内容结束------------