Dans les réseaux de neurones convolutifs, pourquoi le calcul de convolution est-il parfois converti en produit matriciel par une méthode comme im2col ?

Réponse : B. Parce qu'elle permet d'utiliser des bibliothèques de produit matriciel hautement optimisées et des unités de calcul matriciel comme les Tensor Cores

im2col construit une grande matrice où les valeurs d'entrée de chaque fenêtre de convolution sont alignées en colonne, puis calcule la convolution par produit avec la matrice des filtres. Le chevauchement des fenêtres duplique les entrées et augmente la mémoire, mais les bibliothèques de produit matriciel optimisées depuis des décennies et les unités matricielles comme les Tensor Cores sont directement exploitables, ce qui accélère souvent l'ensemble. Il existe aussi des implémentations obtenant le même résultat sans duplication.