看了很多tensorflow卷積的例子，有的用了tf.nn.conv2d，有的用了tf.layers.conv2d，那麼這兩個究竟有啥不同呢？

tf.layers.conv2d(inputs, filters, kernel_size, strides=(1,1),

                            padding='valid', data_format='channels_last',
                　　　 dilation_rate=(1,1), activation=None,
                　　　 use_bias=True, kernel_initializer=None,
                　　　 bias_initializer=init_ops.zeros_initializer(),
                　　　 kernel_regularizer=None,
                　　　 bias_regularizer=None,
                　　　 activity_regularizer=None, trainable=True,
                　　　 name=None, reuse=None)

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

對於卷積來說，作用是一樣的。tf.layers.conv2d 使用tf.nn.convolution作為後端。

一個引數要注意一下：

filter:　是一個４維張量，其type必須和輸入一樣，

　　　　[filter_height, filter_width, in_channels, out_channels]

filters:一個整數，輸出空間的維度，也就是卷積核的數量。


tf.layers.conv2d
 
引數豐富，一般用於從頭訓練一個模型。
tf.nn.conv2d，一般在下載預訓練好的模型時使用。
所以，喜歡哪個就用哪個咯。