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 k 个输入； n 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； n 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， n 个3维卷积核以得到 n 个 feature maps； 3. 卷积操作中的矩阵乘法 按 [kernel_height, ke

>>阅读原文<<