# TFLearn 卷积层 TFLearn 在`tflearn.layers.conv`模块中提供以下层： | 层类 | 描述 | | --- | --- | | `conv_1d` | 该层将 1D 卷积应用于输入数据 | | `conv_2d` | 该层将 2D 卷积应用于输入数据 | | `conv_3d` | 该层将 3D 卷积应用于输入数据 | | `conv_2d_transpose` | 该层将 conv2_d 的转置应用于输入数据 | | `conv_3d_transpose` | 该层将 conv3_d 的转置应用于输入数据 | | `atrous_conv_2d` | 该层计算二维动态卷积 | | `grouped_conv_2d` | 该层计算深度 2-D 卷积 | | `max_pool_1d` | 该层计算 1-D 最大池 | | `max_pool_2d` | 该层计算 2D 最大池 | | `avg_pool_1d` | 该层计算 1D 平均池 | | `avg_pool_2d` | 该层计算 2D 平均池 | | `upsample_2d` | 该层应用行和列 2-D 重复操作 | | `upscore_layer` | 该层实现了 [http://arxiv.org/abs/1411.4038](http://arxiv.org/abs/1411.4038) 中规定的最高分。 | | `global_max_pool` | 该层实现全局最大池操作 | | `global_avg_pool` | 该层实现全局平均池操作 | | `residual_block` | 该层实现剩余块以创建深度残留网络 | | `residual_bottleneck` | 该层实现深度残留网络的剩余瓶颈块 | | `resnext_block` | 该层实现 ResNeXt 块 |