《TensorFlow深度学习算法原理与编程实战》

功能：2D 卷积层

结构：

conv2d(inputs, filters, kernel_size, 
    strides=(1, 1), 
    padding='valid', 
    data_format='channels_last', 
    dilation_rate=(1, 1),
    activation=None, 
    use_bias=True, 
    kernel_initializer=None,
    bias_initializer=<tensorflow.python.ops.init_ops.Zeros object at 0x000002596A1FD898>, 
    kernel_regularizer=None,
    bias_regularizer=None, 
    activity_regularizer=None, 
    kernel_constraint=None, 
    bias_constraint=None, 
    trainable=True, 
    name=None,
    reuse=None)

参数：

inputs：Tensor 输入

filters：整数，表示输出空间的维数（即卷积过滤器的数量）

kernel_size：一个整数，或者包含了两个整数的元组/队列，表示卷积窗的高和宽。如果是一个整数，则宽高相等。

strides：一个整数，或者包含了两个整数的元组/队列，表示卷积的纵向和横向的步长。如果是一个整数，则横纵步长相等。另外， strides 不等于1 和 dilation_rate 不等于1 这两种情况不能同时存在。

padding："valid" 或者 "same"（不区分大小写）。"valid" 表示不够卷积核大小的块就丢弃，"same"表示不够卷积核大小的块就补0。 "valid" 的输出形状为"valid" 的输出形状为其中， 为输入的 size（高或宽）， 为 filter 的 size， 为 strides 的大小， 为向上取整。

data_format：channels_last 或者 channels_first，表示输入维度的排序。

dilation_rate：一个整数，或者包含了两个整数的元组/队列，表示使用扩张卷积时的扩张率。如果是一个整数，则所有方向的扩张率相等。另外， strides 不等于1 和 dilation_rate 不等于1 这两种情况不能同时存在。

activation：激活函数。如果是None则为线性函数。

use_bias：Boolean类型，表示是否使用偏差向量。

kernel_initializer：卷积核的初始化。

bias_initializer：偏差向量的初始化。如果是None，则使用默认的初始值。

kernel_regularizer：卷积核的正则项

bias_regularizer：偏差向量的正则项

activity_regularizer：输出的正则函数

kernel_constraint：映射函数，当核被Optimizer更新后应用到核上。Optimizer 用来实现对权重矩阵的范数约束或者值约束。映射函数必须将未被影射的变量作为输入，且一定输出映射后的变量（有相同的大小）。做异步的分布式训练时，使用约束可能是不安全的。

bias_constraint：映射函数，当偏差向量被Optimizer更新后应用到偏差向量上。

trainable：Boolean类型。

name：字符串，层的名字。

reuse：Boolean类型，表示是否可以重复使用具有相同名字的前一层的权重。

返回值：

输出 Tensor

异常抛出：

ValueError：if eager execution is enabled.