写出一个卷积层的代码实现例子

在深度学习中，卷积层(Convolutional Layer)通常用于处理图像数据，提取特征。这里我们以Python语言和Keras库为例，给出一个简单的二维卷积层的例子。假设你正在使用TensorFlow作为后端：

import tensorflow as tf
from tensorflow.keras.layers import Conv2D

# 假设输入尺寸是28x28的彩色图片，通道数为3（RGB）
input_shape = (28, 28, 3)

# 创建一个3x3大小、64个滤波器（kernel）的卷积层
conv_layer = Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding='same',
                   input_shape=input_shape)

# 这里的代码片段假设在一个Sequential模型中添加该层
model = tf.keras.models.Sequential()
model.add(conv_layer)

# 卷积层的输出将是一个新的四维张量，形状为(batch_size, 28, 28, 64)

在这个例子中，`Conv2D`函数创建了一个卷积层，参数解释如下：
- `filters`：生成的滤波器数量，即输出通道数。
- `kernel_size`：滤波器的大小。
- `activation`：激活函数（在这里是ReLU），用于引入非线性。
- `padding`：保持边缘像素不变，使得输出尺寸与输入相同。
- `input_shape`：指定输入的数据维度。