http://blog.csdn.net/mao_xiao_feng/article/details/53444333

第一個參數input：指需要做卷積的輸入圖像，它要求是一個Tensor，具有[batch, in_height, in_width, in_channels]這樣的shape，具體含義是[訓練時一個batch的圖片數量, 圖片高度, 圖片寬度, 圖像通道數]，註意這是一個4維的Tensor，要求類型為float32和float64其中之一

第二個參數filter：相當於CNN中的卷積核，它要求是一個Tensor，具有[filter_height, filter_width, in_channels, out_channels]這樣的shape

第三個參數strides：卷積時在圖像每一維的步長，這是一個一維的向量，長度4


第四個參數padding：string類型的量，只能是"SAME","VALID"其中之一，這個值決定了不同的卷積方式（後面會介紹）

第五個參數：use_cudnn_on_gpu:bool類型，是否使用cudnn加速，默認為true 我認為安裝tensorflow的時候選cpu和選gpu的區別就是這個true還是false

結果返回一個Tensor，這個輸出，就是我們常說的feature map

padding的值為‘VALID’不停留在邊緣，假設圖片5*5，卷積核3*3，則輸出3*3，當其為‘SAME’時，表示卷積核可以停留在圖像邊緣，輸出5*5

strides: A list of `ints`. 1-D tensor of length 4. The stride of the sliding window for each dimension of `input`. The dimension order is determined by the value of `data_format`, see below for details.你可以理解為[1，圖像heihgt上的滑動步長，圖像width上的滑動步長，1]前後兩個1，固定不變，沒有特殊意義

分析tensorflow mnist