tf.keras.layers.Conv2D 레이어는 2D 합성곱 연산을 수행하는 컨볼루션 레이어입니다. 이미지 처리와 같이 공간 정보를 고려해야 하는 작업에 주로 사용됩니다. 아래는 tf.keras.layers.Conv2D 레이어를 사용한 간단한 예제입니다.

import tensorflow as tf

## 입력 이미지 크기: 28x28 (예시로)
input_shape = (28, 28, 1)

## Conv2D 레이어 정의
conv_layer = tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu', input_shape=input_shape)

## 더미 입력 이미지 생성
dummy_input = tf.random.normal(shape=(1, 28, 28, 1))  # 배치 크기 1로 가정

## Conv2D 레이어 실행
output = conv_layer(dummy_input)

print("Input shape:", dummy_input.shape)
print("Output shape:", output.shape)` 

위 예제에서는 tf.keras.layers.Conv2D 레이어를 사용하여 28x28 크기의 더미 이미지에 대한 레이어를 정의하고 실행합니다. 레이어는 filters 매개변수로 필터(커널)의 수를 지정하며, kernel_size로 커널의 크기를 설정합니다. activation으로 활성화 함수를 지정할 수 있습니다.

실행 결과:

Input shape: (1, 28, 28, 1)
Output shape: (1, 26, 26, 32)` 

위에서 확인할 수 있듯이, 입력 이미지의 형태가 (1, 28, 28, 1)이고 출력 이미지의 형태가 (1, 26, 26, 32)임을 확인할 수 있습니다. 출력 이미지의 공간 크기가 입력 이미지의 크기에 비해 줄어들었고, 32개의 필터가 사용되어 32개의 채널이 생성된 것을 볼 수 있습니다.

이러한 컨볼루션 레이어는 이미지의 특징을 추출하는 데 사용되며, 일반적으로 여러 개의 컨볼루션 레이어와 풀링 레이어를 조합하여 심층 컨볼루션 신경망(CNN)을 구축합니다.