Собственный Conv_2d в keras

Этот код из документации keras. В методе call реализуется алгоритм работы слоя. Есть множество встроенных методов для работы с тензорами, где над всем тензором выполняется математическая операция. Но если реализовывать сверточный слой conv2d,то нужно пройтись по изображению например (100,100,3) ядром напимер (3,3). Как это в keras сделать.Пожалуйста, не пишите что есть встроенный слой conv2. Необходимо релизовать собственный. Любые идеи как это можно сделать.

from tensorflow.keras import backend as K
from tensorflow.keras.layers import Layer,Activation
class MyLayer(Layer):

def __init__(self, output_dim, **kwargs):

    self.output_dim = output_dim

    super(MyLayer, self).__init__(**kwargs)

def build(self, input_shape):
#    print(type(input_shape),type(list))
    assert isinstance(input_shape, list)

    
    self.kernel = self.add_weight(name='kernel',
 shape=(input_shape[0][1],self.output_dim), initializer='uniform',trainable=True)0

    super(MyLayer, self).build(input_shape)  # Обязательно назовите это в конце

def call(self, x):

    assert isinstance(x, list)

    a, b = x
    
    return [K.dot(a, self.kernel) + b, K.mean(b,axis=-1)]

def compute_output_shape(self, input_shape):

    assert isinstance(input_shape, list)

    shape_a, shape_b = input_shape

    return [(shape_a[0], self.output_dim), shape_b[:-1]]