从 https://github.com/BBuf/Darknet 看到一个写的比较好的博客：https://mp.weixin.qq.com/s/RruZSl49vv5B0eRif-p9HQ
先学习着。有额外内容再补充。
im2col解析
从上面的代码可以知道，卷积层的前向传播核心点是im2col操作还有sgemm矩阵计算方法对使用im2col进行重排后的数据进行计算。现在来解析一下im2col算法，sgemm算法就是im2col运行后直接调用即可，就不细讲了。
这里考虑到结合图片更容易理解im2col的思想，我利用CSDN Tiger-Gao博主的图描述一下。首先，我们把一个单通道的长宽均为4的图片通过im2col重新排布后会变成什么样呢？看下图：
在这里插入图片描述
来具体看一下变化过程：
这是单通道的变化过程，那么多通道的呢？首先来看原图：
在这里插入图片描述
多通道的im2col的过程，是首先im2col第一通道，然后再im2col第二通道，最后im2col第三通道。各通道im2col的数据在内存中也是连续存储的。看下图：
在这里插入图片描述
这是原图经过im2col的变化，那么kernel呢？看原图：
在这里插入图片描述
kernel的通道数据在内存中也是连续存储的。所以上面的kernel图像经过im2col算法后可以表示为下图：
那么我们是如何得到前向传播的结果呢？在DarkNet中和Caffe的实现方式一样，都是Kernel*Img，即是在矩阵乘法中：
M=1 ，
N=output_h * output_w
K=input_channels * kernel_h * kernel_w结果如下：
图像数据是连续存储，因此输出图像也可以如下图所示【output_h * output_w】=【2*2】：
在这里插入图片描述
对于多通道图像过程类似：
同样，多个输出通道图像的数据是连续存储，因此输出图像也可以如下图所示【output_channels * output_h * output_w】=【32*2】
在这里插入图片描述
im2col算法的实现在src/im2col.c中，即im2col_cpu函数。