keras中的卷积层&池化层的用法

filters: 过滤器数量kernel_size：指定卷积窗口的高和宽的数字strides: 卷积stride，如果不指定任何值，则strides设为1padding: 选项包括'valid'和'same'，默认值为'valid'activation: 通常为'relu'，如果不指定任何值，则不应用任何激活函数，通常应该向网络中每个卷积层添加一个Relu激活函数如果卷积层出现在输入层之后，必须提供另一个input_shape参数：input_shape: 指定输入的高度、宽度和深度的元组；如果卷积层不是网络的第一个层级，则不应该包含input_shape参数。假设我要构建一个 CNN，输入层接受的是 200 x 200 像素的灰度图片。在进行卷积操作时，我希望过滤器每次跳转 2 个像素。并且，我不希望过滤器超出图片界限之外；也就是说，我不想用 0 填充图片。要实现这一点，我可以在最大池化层中使用 2x2 窗口，stride 设为 2，代码如下：