im2col及其倒数col2im是深度学习框架中快速卷积的重要功能。该算法在these slides中进行了一些安排（从幻灯片66开始）。在this blog的开头可以找到有关数学的很好解释。可以说im2col涉及重塑卷积权重和图像，以允许将卷积计算为矩阵乘法，这使我们能够使用高度优化的GEMM函数来解析输出。 col2im正在重塑。
我感到困惑的是为什么我们重塑图像（如 im 2col）。给定博客文章中描述的操作，似乎更容易将图像矩阵简单地展平为Nx1（N是通道，图像的高度和宽度的乘积），并重整卷积权重。在我看来，这很容易的原因是，权重只是根据简单的采样模式进行复制（本质上只是根据行进行跨步），而图像重塑似乎需要更多的采样。
我唯一能想到的是，这与GEMM函数中的内存访问有关。也许矩阵形状更有效（而不是Nx1向量）？
谁能阐明为什么以这种方式布置算法？