这两天在做加速模型的工作，于是接触到了各种卷积的变形，和卷积的实现细节，从而了解到了im2col。im2col是一种高效的卷积计算方法，现在所有的深度学习框架应该都是用它实现卷积的吧（这个我没深究）。
过程如下图所示：
image
相当于把多维feature map 和多个kernel，分别平铺成二维矩阵，然后直接进行矩阵乘法。
假设，
，
，
。
为了切合图片内容，我们考虑no padding ，的情况。那么：
1. im2col后的feature map
被平铺成了一个二维矩阵，，
，即：
- im2col后的feature map每一行——是input的每个通道的feature map的同一区域（大小=kernel size），reshape成一行，然后把各个通道按行拼接起来。
- 行数——其实就是kernel跟input的每个通道的feature map要做的卷积运算次数，也就是output的size（行x列）。
2. im2col后的kernel matrix
也被平铺成了一个二维矩阵，，
。
最后，使用1 ，2得到的两个二维矩阵做矩阵乘法，得到一个行，
列的二维矩阵。
reshape成，就完成了卷积计算过程。
网友评论