卷积操作中的矩阵乘法（gemm）—— 为什么矩阵乘法是深度学习的核心所在
1. 全连接
- 个输入；
-
个神经元；
- 每个神经元都会学到一组权值向量，以和输入进行内积运算；
- 个输出；
2. 卷积
卷积操作对于高维（多个平面）的输入，单个卷积核的深度应和输入的深度（depth）保持一致：
3 维卷积运算执行完毕，得一个 2 维的平面：
注， 个 feature maps；
3. 卷积操作中的矩阵乘法
-
按 [kernel_height, kernel_width, kernel_depth] ⇒ 将输入分成 3 维的 patch，并将其展成一维向量；
-
此时的卷积操作就可转化为矩阵乘法：