tf.nn.conv2d在tensorflow中做什么？
我在tf.nn.conv2d 这里查看 tensorflow的文档。但是我不明白它的作用或试图达到的目的。它在文档上说， ＃1：将滤镜展平为具有形状的二维矩阵 [filter_height * filter_width * in_channels, output_channels]。 现在那是做什么的？是逐元素乘法还是仅矩阵乘法？我也无法理解文档中提到的其他两点。我在下面写了它们： ＃2：从输入张量中提取图像补丁，以形成形状的虚拟张量 [batch, out_height, out_width, filter_height * filter_width * in_channels]。 ＃3：对于每个色块，将滤波器矩阵和图像色块向量右乘。 如果有人可以举一个例子，也许有一段代码（极其有用）并解释那里发生了什么以及为什么这样的操作，那将真的很有帮助。 我尝试编码一小部分并打印出操作的形状。不过，我还是不明白。 我尝试过这样的事情： op = tf.shape(tf.nn.conv2d(tf.random_normal([1,10,10,10]), tf.random_normal([2,10,10,10]), strides=[1, 2, 2, 1], padding='SAME')) with tf.Session() as sess: result = sess.run(op) print(result) 我了解卷积神经网络的点点滴滴。我在这里学习过。但是在tensorflow上的实现不是我期望的。因此它提出了一个问题。 编辑：所以，我实现了一个简单得多的代码。但是我不知道发生了什么。我的意思是结果是这样的。如果有人能告诉我是什么过程产生此输出的，那将非常有帮助。 input = tf.Variable(tf.random_normal([1,2,2,1])) filter = tf.Variable(tf.random_normal([1,1,1,1])) op …