它应该是（5，5，10，5）。如果忽略空间维度，Conv2d操作就像线性一样。
来自TensorFlow文档link(https://www.tensorflow.org/api_docs/python/tf/nn/conv2d)：
给定shape batch_shape +[in_height，in_width，in_channels]的输入Tensor和shape**[filter_height，filter_width，in_channels，out_channels]**的过滤器/内核Tensor，此操作将执行以下操作：
1.将滤镜展平为形状为[filter_height * filter_width * in_channels，output_channels]的二维矩阵。
1.从输入Tensor中提取图像面片以形成形状的虚拟Tensor[batch，out_height，out_width，filter_height * filter_width * in_channels]。
1.对于每个面片，将过滤器矩阵和图像面片向量右乘。

它一次占用所有通道，所以5×5×10×5应该是正确的。

julia> using Flux

julia> c = Conv((5,5), 10 => 5);  # make a layer, 10 channels to 5

julia> c.weight |> summary
"5×5×10×5 Array{Float32, 4}"

julia> c(randn(Float32, 60, 60, 10, 1)) |> summary  # check it works
"56×56×5×1 Array{Float32, 4}"

julia> Conv(rand(Float32, (5,5,5,5)))  # different weight size
Conv((5, 5), 5 => 5)  # 630 parameters