PyTorch笔记 - Convolution卷积运算的原理 (3)
矩阵和矩阵相乘，转换为行向量和列向量相乘，即 输入矩阵9个行向量 x kernel的列向量。用原始的矩阵运算来实现二维卷积, 考虑batchsize维度和channel维度, 4维。卷积操作包括5个参数：input、kernel、bias、stride、padding。与输入矩阵尺寸相同，填充kernel为0，计算矩阵相乘，转置卷积。flatten input版本：对比与直接矩阵相乘，torch.reshape() 操作。torch.numel() 操作。操作，多维向量变成1维向量。...
