tf.keras.layers.Conv2D用法

我是CNN和tensorflow的新手。自完成Geron的动手TF书以来，已经有2天了。如果有人可以帮助我，我将不胜感激。

目标：了解keras官方文档（https://www.tensorflow.org/api_docs/python/tf/keras/layers/Conv2D）如何使用Conv2D (m,n...)符号以及为何使用符号。

问题：我编写了两组代码。我理解第一个，它使用明确的声明集来表示filtersand的数量kernel_size。

TF和Python版本：

sys.version
Out: '3.7.9 (default, Aug 31 2020, 17:10:11) [MSC v.1916 64 bit (AMD64)]'
tf.__version__
Out: '2.3.0'

代码1：

import tensorflow as tf

input_shape = (4, 30, 60, 3) #Sample 30x60 images with RGB channel. `batch_size` = 4

a1=tf.keras.layers.Conv2D(filters=10,kernel_size=(3,3), input_shape=input_shape[1:])
a1(tf.random.normal(input_shape)).shape
a1.filters
a1.kernel_size

model = tf.keras.Sequential()
model.add(a1)
model.output_shape
model.summary()

输出：

Out[99]: TensorShape([4, 28, 58, 10]) #we are not using padding. So, the shape of tensor is 4 batch x 28x58 x 10 filters
Out[99]: 10 # number of filters
Out[99]: (3, 3) #kernel size 
Out[99]: (None, 28, 58, 10) #this is the feature map for one image
Model: "sequential_24"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_34 (Conv2D)           (None, 28, 58, 10)        280       
=================================================================
Total params: 280
Trainable params: 280
Non-trainable params: 0
_________________________________________________________________

我对上面的输出很好。我已经在上面添加了我的想法。

代码2：现在，我修改了上面的代码中不明确提到kernel_size并filters按照上面的官方文件。

a2=tf.keras.layers.Conv2D(10,3,3, input_shape=input_shape[1:]) #here's the change.
a2(tf.random.normal(input_shape)).shape
a2.filters
a2.kernel_size

model = tf.keras.Sequential()
model.add(a2)
model.output_shape
model.summary()

输出：

Out[100]: TensorShape([4, 10, 20, 10])
Out[100]: 10
Out[100]: (3, 3)
Out[100]: (None, 10, 20, 10)
Model: "sequential_25"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
conv2d_35 (Conv2D)           (None, 10, 20, 10)        280       
=================================================================
Total params: 280
Trainable params: 280
Non-trainable params: 0
_________________________________________________________________

如我们所见，唯一的区别是代码1使用，Conv2D(filters=10,kernel_size=(3,3),...而代码2使用Conv2D(10,3,3,...。而且filters和kernel_size也一样。但是，output_shape完全不同。

为什么是这样？有人可以解释一下吗？我在keras官方文档（https://www.tensorflow.org/api_docs/python/tf/keras/layers/Conv2D）上找不到任何内容。