1、Slim.conv2d:二維卷積

  函式原型：

convolution(inputs,
          num_outputs,
          kernel_size,
          stride=1,
          padding='SAME',
          data_format=None,
          rate=1,
          activation_fn=nn.relu,
          normalizer_fn=None,
          normalizer_params=None,
          weights_initializer=initializers.xavier_initializer(),
          weights_regularizer=None,
          biases_initializer=init_ops.zeros_initializer(),
          biases_regularizer=None,
          reuse=None,
          variables_collections=None,
          outputs_collections=None,
          trainable=True,
          scope=None):
 

引數介紹：

    inputs：指需要做卷積的輸入影象     num_outputs：指定卷積核的個數（就是filter的個數）     kernel_size：N個正整數的序列，指定卷積核的空間維度。 可以是單個整數，則所有空間維度具有相同值。     stride：一組N個正整數，指定計算輸出的stride。 可以是一個整數，則所有空間維具有相同的值。指定任何stride！= 1與指定任何rate！= 1不相容。     padding：為padding的方式選擇，VALID或者SAME     data_format：是用於指定輸入的input的格式     rate：N個正整數的序列，指定用於萎縮卷積的擴張率。 可以是單個整數，以指定所有空間維度的相同值。 指定任何rate！= 1與指定任何stride！= 1不相容。     activation_fn：

用於啟用函式的指定，預設的為ReLU函式     normalizer_fn：用於指定正則化函式     normalizer_params：用於指定正則化函式的引數     weights_initializer：用於指定權重的初始化程式     weights_regularizer：為權重可選的正則化程式     biases_initializer：用於指定biase的初始化程式     biases_regularizer: biases可選的正則化程式     reuse：指定是否共享層或者和變數     variable_collections：指定變數的集合列表或者字典名，變數（weight、biase）會被新增到這個集合中。     outputs_collections：指定一個集合名，輸出（output）會被新增到這個集合     trainable:：卷積層的引數是否可被訓練     scope:共享變數所指的variable_scope

2、conv2d_same()：使用“SAME”填充的二維卷積

  函式原型：conv2d_same(inputs, num_outputs, kernel_size, stride, rate=1, scope=None)     inputs: 一個4維tensor：[batch, height_in, width_in, channels].     num_outputs:卷積核的個數     kernel_size: 卷積核的尺寸     stride: 輸出的stride     rate: 空洞卷積膨脹率     scope: Scope.

net = conv2d_same(inputs, num_outputs, 3, stride=stride)
# 等價於
net = slim.conv2d(inputs, num_outputs, 3, stride=1, padding='SAME')
net = subsample(net, factor=stride)
# 但是和net = slim.conv2d(inputs, num_outputs, 3, stride=stride, padding='SAME')不等價，因為當輸入的高度
或寬度是偶數時，它是不同的，這就是我們添加當前函式的原因。

# subsample的原始碼為：
def subsample(inputs, factor, scope=None):
  """Subsamples the input along the spatial dimensions.
  Args:
    inputs: A `Tensor` of size [batch, height_in, width_in, channels].
    factor: The subsampling factor.
    scope: Optional variable_scope.
  Returns:
    output: A `Tensor` of size [batch, height_out, width_out, channels] with the
      input, either intact (if factor == 1) or subsampled (if factor > 1).
  """
  if factor == 1:
    return inputs
  else:
    return slim.max_pool2d(inputs, [1, 1], stride=factor, scope=scope)

3、