參考：http://blog.csdn.net/mrhiuser/article/details/52672824
caffe的卷積過程是im2col和SGEMM（什么是GEMM？http://www.cnblogs.com/mengmengmiaomiao/p/7587005.html）。
一：im2col
一個圖像 input_num=1;
圖像通道 input_channel=1;
圖像高 input_h=4;
圖像寬 input_w=4;
kernel高 kernel_h=3;
kernel寬 kernel_w=3;
stride=1；pad=0；
卷積后，輸出圖像的計算公式：
output_h=(input_h-kernel_h)/stride+1;
output_w=(input_w-kernel_w)/stride+1;
如下圖，（注：圖像中數據不代表圖像的顏色數值）
原圖（圖a）按照從左到右、從上到下的過程，將(a)中大小為3*3（因為kernel大小為3*3）的矩陣拉成右圖（圖b）中的一列。具體過程如下圖所示：
如果stride是2怎么辦？
答案是填零。
二：多通道的im2col
假設有三個通道（R、G、B）圖像通道 input_channel=3;
圖像在內存中的存儲是：首先是連續存儲第一通道的數據，然后再存儲第二通道的數據，最后存儲第三通道的數據。如下圖：
多通道的im2col的過程，是首先im2col第一通道，然后在im2col第二通道，最后im2col第三通道。各通道im2col的數據在內存中也是連續存儲的。如下圖：
三：kernel
圖像的每個通道對應一個kernel通道，如下圖（注：為計算簡單，將kernel的值設置為1，同樣此值不代表顏色數值。）
kernel的通道數據在內存中也是連續存儲的。所以上面的kernel圖像也可以表示為下圖：
三：矩陣乘 sgemm
在caffe中圖像與kernel的矩陣乘，是kernel*img。即：在矩陣乘法中
M=1 ，
N=output_h * output_w
K=input_channels * kernel_h * kernel_w
如下圖所示：
圖像數據是連續存儲，因此輸出圖像也可以如下圖所示【output_h * output_w】=【2*2】：
四：多通道圖像輸出
在caffe中圖像與kernel的矩陣乘中：
M=output_channels ，
N=output_h * output_w
K=input_channels * kernel_h * kernel_w
如下圖：
同樣，多個輸出通道圖像的數據是連續存儲，因此輸出圖像也可以如下圖所示【output_channels*output_h * output_w】=【3*2*2】,
