思路
看了不少网上关于TPU的分析，大都是TPU如何简化计算矩阵乘法，即全连接矩阵的计算，weight和input矩阵只需按顺序读入一次，即可实现矩阵乘法的快速计算。
而CNN需要大量卷积计算，对于一个卷积核，例如3*3卷积核，该如何计算，一直没找到相关分析，或者是太过简略我也没看明白。
后来关联卷积和矩阵乘法搜索到了一篇文章：CNN中卷积的计算规则和利用矩阵乘法的实现
读了这篇文章，才意识到自己走进了一个误区，以为计算卷积一定和计算矩阵乘法一样，所有数据只能按顺序读入一次，让PE阵列自动计算。而对于二维矩阵的卷积计算，如果input二维矩阵按照顺序输入一次，并没有合适的算法，来计算出卷积。
于是我换了一个思路，weight矩阵load进入MXU后，可以重新编排input矩阵，再输入。
PE阵列
例子
m*n个卷积核的卷积计算
