python之tf.layers.conv2d与tf.nn.conv2d

tf.layers.conv2d与tf.nn.conv2d的参数列表对比：

tf.layers.conv2d	tf.nn.conv2d
tf.layers.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=init_ops.zeros_initializer(),  kernel_regularizer=None, bias_regularizer=None,  activity_regularizer=None, trainable=True, name=None, reuse=None)	tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)

 

对于卷积来说，作用是一样的。tf.layers.conv2d 使用tf.nn.convolution作为后端。

一个参数要注意一下：

tf.nn.conv2d的filters是一个４维张量，其type必须和输入一样

[filter_height, filter_width, in_channels, out_channels]

tf.layers.conv2d 的 filter为一个整数，输出空间的维度，也就是卷积核的数量