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 k 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：

    
    
    

  references

  • Why GEMM is at the heart of deep learning
             

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow

                     

1. 全连接

• k k 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：

    
    
    

  references

  • Why GEMM is at the heart of deep learning