tf.nn.conv2d的用法，请举例说明

tf.nn.conv2d是 TensorFlow 中的一个二维卷积函数，用于实现卷积神经网络中的卷积层。它的用法如下：

tf.nn.conv2d(
    input,
    filter,
    strides,
    padding,
    use_cudnn_on_gpu=True,
    data_format='NHWC',
    dilations=[1, 1, 1, 1],
    name=None
)

其中，参数说明如下：

- input：输入的四维张量，shape为 [batch, height, width, channels]。
- filter：滤波器的四维张量，shape为 [filter_height, filter_width, in_channels, out_channels]，其中 in_channels 与 input 张量的 channels 维度一致，out_channels 为输出通道数。
- strides：卷积核的步长，格式为 [batch_stride, height_stride, width_stride, channel_stride]。
- padding：填充方式，可以为 'SAME' 或 'VALID'，表示是否使用零填充。
- use_cudnn_on_gpu：是否使用当前 GPU 设备的 cuDNN 实现。
- data_format：输入数据的格式，可以为 'NHWC' 或 'NCHW'。
- dilations：膨胀系数，表示卷积核的扩张率。
- name：节点名称。

举个例子，输入图片为一张 $100\times 100$ 的 RGB 图片，卷积核大小为 $3\times 3$，输出通道为 $32$，步长为 $1\times 1$，填充方式为 'VALID'：

import tensorflow as tf

input = tf.placeholder(tf.float32, [None, 100, 100, 3])
filter = tf.Variable(tf.random_normal([3, 3, 3, 32]))
conv = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1], padding='VALID')

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    output = sess.run(conv, feed_dict={input: np.random.rand(1, 100, 100, 3)})
    print(output.shape)  # (1, 98, 98, 32)

以上代码通过 tf.nn.conv2d 实现了一次卷积操作，并得到了输出的张量。