卷积计算的底层实现（Caffe）

卷积本身的执行过程是通过在特征图上滑动卷积核来完成的。但是在Caffe的底层实现是通过矩阵相乘的方式一步完成卷积的操作。

假设输入图像及卷积和大小如下图所示：

在Caffe的实现中，它分别将特征图和卷积转换为矩阵。具体的转换如下：

卷积核

对于2D卷积，本身是四维的卷积核，将其转换为二维由$C_{out}\times C\times K\times K$变为$C_{out}\times M$，其中$M=C\times K\times K$
举个例子，例如卷积核的维度是$2\times 3\times 2\times 2$，分别为
$$\begin{gathered} filter\#1 \\ \left[\begin{array}{cc}1& 1\\ 2& 2\end{array}\right]\left[\begin{array}{cc}1& 1\\ 1& 1\end{array}\right]\left[\begin{array}{cc}0& 1\\ 1& 0\end{array}\right] \\ fi \end{gathered}$$