玩转pytorch和tensorflow之（2）——conv2d

        二维卷积操作常用于特征提取，输入通常是一个四维的张量。tensorflow和pytorch的二维卷积的差异主要有两个：

        1）对于tensorflow来说，是BHWC的形状，通道数是最后一维；而对pytorch而言，输入是BCHW形状，通道数在第二维。

        2）对于tensorflow来说，weight权重的形状是kernel,  input_chan, output_chan

        例如对于(2,3)的卷积核,输入4通道输出8通道，则weight权重的形状是(2,3,4,8)

        而同样的配置下，pytorch的weight权重的形状是(8,4,2,3)

        bias的形状是一样的。

        至于padding，tensorflow有'valid'和'same'，pytorch直接是数字量。

        tensorflow的'valid'表示不padding，对应pytorch是(0,0),'same'表示输出形状和输入保持一致，pytorch需要根据输出输入的维度变化公式计算padding的数值。

        例子中 tensorflow padding是用'valid'模式。对应pytorch:padding=(0,0)

1)tensorflow转pytorch

weight参数要做一个转置transpose(3,2,0,1)，bias是一样的。