将 Conv2D 转化为实用的 GPU 计算模式

文章讲解如何把 2D 卷积当作结构化矩阵乘法来实现：NHWC 布局下 1×1 卷积可直接视为 C_in 到 C_out 的矩阵乘，无需转置；3×3 卷积则是每个输出位置 9 组 C_in×C_out 贡献的矩阵式累加。核心优化手段是重排循环嵌套以提升缓存复用、减少重复取数，而非先做底层指令调优。