【TensorFlow】CNN

tf.nn.conv2d

这个函数的功能是：给定4维的input和filter，计算出一个2维的卷积结果。函数的定义为：

def conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None,
           data_format=None, name=None):

input：待卷积的数据。格式要求为一个张量，[batch, in_height, in_width, in_channels]. 
分别表示 批次数，图像高度，宽度，输入通道数。 
filter： 卷积核。格式要求为[filter_height, filter_width, in_channels, out_channels]. 
分别表示 卷积核的高度，宽度，输入通道数，输出通道数。 
strides :一个长为4的list. 表示每次卷积以后卷积窗口在input中滑动的距离 
padding ：有SAME和VALID两种选项，表示是否要保留图像边上那一圈不完全卷积的部分。如果是SAME，则保留 
use_cudnn_on_gpu ：是否使用cudnn加速。默认是True

tf.nn.max_pool 

进行最大值池化操作,而avg_pool 则进行平均值池化操作.函数的定义为：

def max_pool(value, ksize, strides, padding, data_format="NHWC", name=None):

value: 一个4D张量，格式为[batch, height, width, channels]，与conv2d中input格式一样 
ksize: 长为4的list,表示池化窗口的尺寸 
strides: 池化窗口的滑动值，与conv2d中的一样 
padding: 与conv2d中用法一样。