编写一个 Python函数,完成卷积神经网络的卷积计算过程,卷积核移动步长为1.

在Python中，我们可以使用深度学习库如TensorFlow或PyTorch来编写卷积神经网络（Convolutional Neural Network, CNN）的卷积层函数。这里以TensorFlow为例，假设我们有一个简单的2D卷积操作，输入是一个四维张量（batch_size, height, width, channels），卷积核也是一个二维张量（filter_height, filter_width, input_channels, output_channels），步长为1（默认设置）。以下是函数的一个基本实现：

import tensorflow as tf

def conv2d_layer(input_tensor, kernel, strides=1):
    # padding通常采用"SAME"模式保证输出尺寸不变
    padding = 'SAME'
    # 创建卷积运算
    conv = tf.nn.conv2d(input=input_tensor,
                        filters=kernel,
                        strides=[1, strides, strides, 1],
                        padding=padding)
    
    return conv

在这个函数中，`input_tensor`是输入图像数据，`kernel`是卷积核，`strides`表示移动步长，默认为1。`tf.nn.conv2d`函数负责实际的卷积计算。