1.1输入矩阵展开(im2col_cpu函数的解读)

1. 函数原型:void im2col_cpu(const Dtype* data_im, const int channels,const int height, const int width, const int kernel_h, const int kernel_w,const int pad_h, const int pad_w,const int stride_h, const int stride_w,const int dilation_h, const int dilation_w,Dtype* data_col)
2. 输入：

1. data_im:输入data，当前layer的input blob data(也称为“bottom blob”)；一般是float*类型。
2.  Channels：当前data的input blob data(也称为“bottom blob”)的channel个数；
3. Height：当前data的input blob data(也称为“bottom blob”)的rows；
4. Width:当前data的input blob data(也称为“bottom blob”)的cols；
5. kernel_h:当前layer的卷积核的rows；
6.  kernel_w：当前layer的卷积核的cols；
7. pad_h:当前layer的高度边缘要填充的个数，也就是要填充的rows的个数；
8. pad_w：当前layer的宽度边缘要填充的个数，也就是要填充的cols的个数；
9. stride_h：卷积时，窗口滑动的rows方向的步长；
10. stride_w：卷积时，窗口滑动的cols方向的步长；
11.  dilation_h：卷积核rows方向的缩放系数，默认为1；一般不做修改或配置，下面的计算不考虑该因子；
12. dilation_w：卷积核的cols方向的缩放系数，默认为1；一般不做修改或配置，下面的计算不考虑该因子；

1. 输出：

1. data_col：按列排列的数据；输出的大小如下：

其中，

1. 标识输出矩阵的大小；
2. 标识输入的数据的channels数，输出的数据channels数保持不变；
3. 标识卷积核的高度；
4. 标识卷积核的宽度；
5. 标识卷积操作后的高度；

，其中，标识输入data的height；标识卷积层padding参数的高度；标识卷积核的高度；标识卷积的高度的步长；

1. 标识卷积操作后的宽度；

，其中，标识输入data的width；标识卷积层padding参数的宽度；标识卷积核的宽度；标识卷积的宽度的步长；

 

1. 返回值：无
2. 处理：

展开的数据以如下的方式存储：

，

其中，H都是*大小的向量，和是卷积核的高度和宽度；

扩展变换方式很简单，其实就是把卷积核滑动时，卷积核覆盖的元素作为展开矩阵的列向量就好了。

设输入的矩阵为{1,3,120,120},卷积核的参数为==3、==3和==1。

则展开的输出矩阵中= =39；

生成的H向量，举例如下：

，其中头为0，是因为padding的y；然后每有一个0，是因为padding的x。该矩阵包含与卷积核中进行线性相乘的所有元素。

，因为滑动窗口y-轴方向已经下滑了一行，因此，不再受padding-y的影响；该矩阵包含与卷积核中进行线性相乘的所有元素。

依次类推即可。