HLS：关于channel方向上分块的理解

这是一篇解释的文章，主要是填补我在HLS的Conv和Pool部分时的一个坑！

首先，感谢一波ESELAB蓝同学，不断被询问下，我也理解了之前的这个点。原创好文。

1、首先，回顾下卷积中的一些概念。

在卷积的过程中，输入特征用feature_in表示，不分块的话，是一个三维的数据，即feature_in的长W、宽H和张数C。卷积核用kernel表示，不分块的话，是一个四维的数据，即kernel的长Kx、宽Ky、一个channel上的相同卷积核的数目K和不同卷积核的数目CHout。用下面的图片表示。

除了feature_in和kernel的维度定义外，还需要明白channel的概念，对于feature_in的channel数目，就是feature_in的张数，即C的大小。对于kernel的channel数目，就是不同的卷积核数目，即CHout的值。feature_in的一个channel上只有一张feature_in，但kernel的一个channel上可以有很多个kernel，以此来提取多张图的同一个特征。总体而言，多张feature_in与一个kernel进行卷积，其实就是把feature_in的多个channel输入到卷积核的一个channel中，最终运算得到一张feature map。至于多张feature_in最后为啥得到的是一张feature map，可以看下面的过程。