主要观点：作者尝试用 SIMD 指令优化卷积，过程艰难，历经诸多问题。通过逐步减少和优化代码，发现分支过多和寄存器溢出是性能问题的关键，还探讨了编译器内联函数的限制及解决方法等，最终实现了较好的卷积性能优化。
关键信息：

• 在 burn-ndarray CPU 后端优化直接卷积，初始实现比未向量化的慢。
• 各种 profilers 效果不佳，最终发现问题在于寄存器溢出和分支过多。
• 采用双循环处理剩余像素，添加编译时单态化处理填充等变量，解决性能问题。
• 编译器内联函数存在大小限制，导致函数使用默认特征集，影响性能。
• 对于有填充的卷积，采用分循环处理边界像素的方法提高性能。
  重要细节：
• 初始卷积代码使用多种优化技术，但性能不佳。
• 尝试多种 profilers 无果，后发现问题根源。
• 双循环优化比每次迭代检查边界更高效。
• 编译时单态化处理特定情况以实现自动向量化。
• 编译器内联函数限制导致使用默认特征集及性能问题。
• 分循环处理边界像素提高有填充卷积的性能。最终优化后的代码性能较好。