CNN中的img2col

img2col的本质：把图像局部块拉平成列，拼成矩阵，把卷积变成矩阵乘法。

假设输入是 5x5x3的RGB图像，滤波器是 2个3x3x3的卷积核，拆解如下：
(1) 原始卷积的计算（低效版）
每次从图像上抠一个 3x3x3的块（比如左上角的27个像素），和第一个滤波器的27个权重逐点相乘再求和，得到输出特征图的第一个通道的一个点。
重复上述过程：滑动窗口 + 计算，非常慢。需要写多重循环（遍历位置、通道、滤波器），效率低。

(2) img2col的优化（高效版）
目标：把“滑动抠图”变成“批量乘矩阵”。
步骤：
把所有可能的3x3x3块抠出来（共9个块，因为5x5图像滑动后得到3x3个位置），每个块拉平成1列27个数字。
最终得到一个 大表格（矩阵）：27行（每个块的像素） x 9列（共9个块）。
这就是“长列”的真相：27行代表一个块的展开，9列代表所有块。
img2col + 矩阵乘法：对矩阵乘法优化到极致，一次并行算完所有数。
输出 = 滤波器矩阵 × img2col矩阵