Conv2d(3, 64, 3, 1)在Keras中是什么意思？输入以(36, 64, 3)给出，在Conv2d(3, 64, 3, 1)层之后，输出以(36, 64, 64)给出。
谁能告诉我Conv2d(a, b, c, d) a，b，c和d的相关含义是什么？
编辑：：文档指出以下内容：
Conv2d(filters, kernel_size, stride=(x,y), padding='valid', data_format=None, dilation_rate=(1, 1), activation=None, use_bias=True, kernel_initializer='glorot_uniform',
bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None)
这是否意味着
Conv2d(3, 64, 3, 1)具有3个过滤器，内核大小为64 = 8x8，步幅=（3，1）？ 最佳答案
听起来您正在看模型的图形表示。
这里的Conv2d(D, N, K, S)表示一个2D卷积层，其内核大小为KxK，步幅为S，输入深度为D，输出深度为D（即该层中卷积内核的数量）为N.
因此，在您的情况下：输入深度为3，内核的大小为3x3，步幅= 1，并且有64个内核，结果输出的深度为64。