圖是別的博客轉載知乎的，沒給地址，我也不知道原作是誰，畫的很好，感謝。
但下面第一張圖的最上面應該改爲：Feature Matric：（
卷積的實現思想：
- 將image轉爲一個matrix，將卷積操作轉爲矩陣乘法運算
看下第二幅圖：輸入圖片是3*3*3，假設是RGB，卷積核(濾波器)是2*3*2*2，stride=1，（每個、每層(RGB或BGR)的卷積核是不一樣的）
- 先看上半部分的傳統卷積：第一個濾波器對RGB三通道進行卷積，每個通道的每一小塊對應相乘並累加（不是矩陣相乘）。如第一個濾波器的第一次卷積，R通道的
。同理，G、B通道分別得5，2，本次卷積的三通道累加即7+5+2=14。兩個濾波器得到兩個輸出特徵。
- 再看下半部分卷積的矩陣版本： ①input features ： 先把3*3*3的圖片按照卷積核大小逐通道RGB展平，每次卷積放一行。先整體看RGB的第一次濾波，每個通道的卷積核是2*2， 3個通道就是3*2*2=12。再整體看R通道，就是每次被卷積的部分展成一行，共2*2行，即卷積公式得到的(n-f+2p)/s+1，每個通道是2*2=4，也就是2*2x(3*2*2)=4x12的矩陣 。②Kernel Matrix ： 把每個濾波器從左到右從上到下展開，放於第一列，RGB三通道也就是3*2*2，有兩個濾波器，也就是(3*2*2)x2的矩陣
。同理，G、B通道分別得5，2，本次卷積的三通道累加即7+5+2=14。兩個濾波器得到兩個輸出特徵。