一、基本概念
1、 看图：我们假设几个变量，N是卷积核的个数，B是batch_size，C是通道数，如RGB三个通道。
如下所示：X中b是batch_size，最后一个3是通道数。
one K 中第一个3是通道数，后面两个3是卷积大小3*3.
multi-K 中第一个16是N，指的是有16个卷积。bais和out的16都是这个意思。
padding指的是上下左右各打一个padding.
如下图，LeNet5的卷积核个数N是变化的：
二、卷积代码
1、如图，Conv2D中，第一个参数是卷积核个数N，kernel_size是5乘5的，步长为1.padding="valid"表示不做pad，“same”表示想办法pad，让输入和输出一致。
另外，尽量不要调用call()，直接layer(x)内部就调用了__call__（），然后会内部调用call()
2、另外，内部的kernel是[5, 5, C, N]：
3、可以自己手动计算卷积，即更加底层的functional风格：
