用矩陣乘法（im2col+sgemm）的方式卷積，雖然速度很算可以，但非常費內存，不能應用大一點的圖片。
看了一些博客說到Winograd卷積，比上面的速度更快，用到內存更小，也來試試。
下載FeatherCNN
地址：http://github.com/tencent/FeatherCNN
然後，把一些NEON指令改爲SSE指令就可以運行了。
這裏是一部分對應項：
//#include
arm_neon.h;pmmintrin.h//vs9.0(2008)
arm_neon.h;immintrin.h//vs10(2010)
float32x2_t;__m64
float32x4_t;__m128
float32x4x2_t;__m256
//如沒有 __m256,則
typedef struct float32x4x2_t
{
__m128 val[2];
} float32x4x2_t;
// 賦初值0
vdupq_n_f32(0.f);_mm_setzero_ps();
//賦初值 非0
vdupq_n_f32;_mm_set1_ps
//load outptr地址起始的4個float數據到_sum1
vld1q_f32;_mm_load_ps
//融合倍增累加：vfma->r=a+b*c
vfmaq_f32(a, b, c);_mm_add_ps(a,_mm_mul_ps(b, c));
//將_sum中四個float32,賦值給以outptr爲起始地址的4個float32
vst1q_f32;_mm_store_ps
+;_mm_add_ps//m3 = _mm_add_ps(m1, m2);// m3 = m1 + m2
-;_mm_sub_ps
*;_mm_mul_ps//m1 = _mm_mul_ps(*pSrc1, *pSrc1);// m1 = *pSrc1 * *pSrc1
/;_mm_div_ps