我卷積神經網絡和Tensorflow是新的，我需要實施進一步的參數CONV層實現CNN：與tensorflow
轉化率。 layer1：filter = 11，channel = 64，stride = 4，Relu。
的API如下：
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)
我明白了，什麼是步幅，它應該是[1,4，4,1]在我的情況。但我不明白，我應該如何傳遞過濾器參數和填充。 有人可以幫忙嗎？
首先，你需要創建一個過濾器變量：
W = tf.Variable(tf.truncated_normal(shape = [11, 11, 3, 64], stddev = 0.1), tf.float32)
形狀參數的前兩個字段代表濾波器的尺寸，第三對（我猜你的圖片有3個通道）輸入通道的數量和第四個是輸出通道的數量。
現在卷積層的輸出可以被計算如下：
conv1 = tf.nn.conv2d(input, W, strides = [1, 4, 4, 1], padding = 'SAME')，其中padding = 'SAME'代表零填充，因此，圖像的尺寸保持相同，輸入應具有尺寸[批次，尺寸1，size2個，3] 。
RELU應用程序是非常簡單的：
conv1 = tf.nn.relu(conv1)