conv1 = tf.nn.conv2d(input_tensor,conv1_weights,strides=[1,1,1,1],padding='SAME')
这是一个常见的卷积操作，其中strides=【1,1,1,1】表示滑动步长为1，padding=‘SAME’表示填0操作
当我们要设置步长为2时，strides=【1,2,2,1】，很多同学可能不理解了，这四个参数分别代表了什么，查了官方函数说明一样不明不白，今天我来解释一下。
strides在官方定义中是一个一维具有四个元素的张量，其规定前后必须为1，这点大家就别纠结了，所以我们可以改的是中间两个数，中间两个数分别代表了水平滑动和垂直滑动步长值，于是就很好理解了。
在卷积核移动逐渐扫描整体图时候，因为步长的设置问题，可能导致剩下未扫描的空间不足以提供给卷积核的，大小扫描 比如有图大小为5*5,卷积核为2*2,步长为2,卷积核扫描了两次后，剩下一个元素，不够卷积核扫描了，这个时候就在后面补零，补完后满足卷积核的扫描，这种方式就是same。如果说把刚才不足以扫描的元素位置抛弃掉，就是valid方式。
tf.nn.conv2d(x,kernel,strides=[1,1,1,1],padding='SAME') # kernel[0,1]数表示卷积核的尺寸， # kernel[2]表示channel数量，灰度图片是1，RGB图是3 # kernel[3]表示卷积核的数量 # padding='SAME'表示边界加上padding，使得卷积的输入和输出保持同样的尺寸。所加的padding为0，也就是边界补0 # padding='VALID'表示取样不超过边框，也就是 no padding
tf.nn.max_pool(x,ksize=[1,3,3,1],strides=[1,2,2,1],padding='SAME') # 池化尺寸3*3，横竖步长为2*2 # padding='SAME'表示加边框,使池化层的输出输出保持同样的尺寸 # padding='VALID'表示取样不超过边框，
对参考的文稿表示感谢：
tensorflow: 花卉分类_qq_25987491的博客-程序员宅基地 - 程序员宅基地
【CNN】实现 - 极思路
https://www.shuzhiduo.com/A/ke5jj7kg5r/
TensorFlow Tutorial-1 | 朱思宇的博客
