Caffe中卷积的实现

• 方法：将卷积转化为矩阵相乘
  两步：
  （1）调用im2col函数，将图像（feature map）转化为矩阵
  （2）调用GEMM函数，做实际的运算

• 优点：逻辑简单，易于实现

• 缺点：耗费大量内存

• feature map每一个卷积位置（卷积核将要滑过的位置），展开成一个C∗K∗K维的行向量

• 继续展开……

• 按照这个方式展开完毕之后，得到一个矩阵：H∗W行（因为有H∗W个卷积位置），C∗K∗K列

• 卷积核方面呢，假设我们的卷积输出是Cout个通道（num_output数），那么我们一共有Cout∗C个卷积核，每个卷积核的尺寸是K∗K. 也就是说一共有Cout组卷积核，每一组包含C个尺寸为K∗K的卷积核。
• 在展开时，Cout组卷积核中的每一组展开成一个C∗K∗K行向量，所以展开完毕后我们得到卷积核矩阵为Cout行，C∗K∗K列。
• 在得到上述两个矩阵之后，我们做矩阵乘法，用Feature Matrix的转置乘以Filter Matrix，得到一个Cout×(H×W)形状的矩阵。就可以解释为输出的3维Blob.

参考链接：
在 Caffe 中如何计算卷积？ - 知乎