tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)

• input：指需要做卷積的輸入圖像，它要求是一個(gè)Tensor，具有[batch, in_height, in_width, in_channels]這樣的shape，具體含義是[訓(xùn)練時(shí)一個(gè)batch的圖片數(shù)量, 圖片高度, 圖片寬度, 圖像通道數(shù)]，注意這是一個(gè)4維的Tensor，要求類型為float32和float64其中之一。
• filter：相當(dāng)于CNN中的卷積核，它要求是一個(gè)Tensor，具有[filter_height, filter_width, in_channels, out_channels]這樣的shape，具體含義是[卷積核的高度，卷積核的寬度，圖像通道數(shù)，卷積核個(gè)數(shù)]。
• strides：卷積時(shí)在圖像每一維的步長(zhǎng)，這是一個(gè)一維的向量，長(zhǎng)度4。
• padding：string類型的量，只能是"SAME","VALID"其中之一，padding = ‘VALID’ 時(shí)，沒(méi)有填充．因此輸出的size總比原圖的size小，padding = ‘SAME’ 時(shí)，用0填充邊界．能覆蓋原圖所有像素，不會(huì)舍棄邊上的元素；當(dāng)步長(zhǎng)/stride為1時(shí)，輸出和原圖size一致。

b = tf.Variable(tf.constant(0.0, shape=[num_filters]), name="b")
conv = tf.nn.conv2d(
                    self.embedded_chars_expanded,
                    W,
                    strides=[1, 1, 1, 1],
                    padding="VALID",
                    name="conv")
h = tf.nn.relu(tf.nn.bias_add(conv, b), name="relu")
tf.nn.bias_add(conv,b)

tf.nn.bias_add(value, bias)：表示將bias加到value上。
tf.nn.xw_plus_b(self.h_drop, W, b, name="scores")： 相當(dāng)于matmul(x, weights) + biases。