对于pytorch深度学习框架，二维卷积nn.Conv2d对于宽度和高度都进行卷积运算，其定义如下：
class torch.nn.Conv2d(in_channels, out_channels, kennel_size, stride=1, padding=0, dilation=1, groups=1, bias=true) in_channels(int) 输入特征图的通道数 out_channels(int) 输出特征图的通道数 kenal_size(int or tuple) 卷积核大小 stride(int or tuple, optional) 卷积核的步长，默认为1 padding(int or tuple,optional) 输入的每一条边补充0的层数，默认为0 dilation(int or tuple, optional) 卷积核元素间的距离，默认为1 groups(int,optional)将原始输入通道划分成的组数，默认为1 bias(bool,optional) 默认为True，表示输出的bias可学习
