典型文献
Winograd快速卷积相关研究综述
文献摘要：
卷积神经网络(CNN)已经被广泛应用到各个领域并发挥了重要作用.卷积算子是卷积神经网络的基础组件,同时也是最耗时的部分.近年来,研究者提出了包括基于FFT和Winograd的若干种快速卷积算法.其中Winograd卷积因大幅减少了卷积中乘法操作且占用内存更小而迅速成为小卷积核的卷积算子上快速卷积实现的首选.但目前相关工作聚焦于算法的一般化、拓展和各类体系结构上的实现,还没有研究者对Winograd卷积算法作系统性的总结.为了给后续研究者提供详细的参考依据,对Winograd卷积引入以来的相关工作进行了总结.首先阐述了Winograd最小滤波算法及Winograd卷积的引入,介绍了Winograd卷积的一般化与拓展,并对比了现有实现之间的差异;从稀疏剪枝、低精度与量化、数值稳定性这三方面介绍了Winograd卷积的优化工作,并详细介绍了相关具体方法的优缺点;对各类体系结构上的实现和优化进行了分类总结,比较了各平台上实现可用的通用优化方法,并介绍了Winograd卷积的实际应用;最后对内容进行了简要总结,分析了现有研究的局限性,并对未来可能的方向进行了初步展望.
文献关键词：
Winograd卷积;快速卷积算法;卷积神经网络(CNN);卷积优化
中图分类号：
作者姓名：
童敢;黄立波
作者机构：
国防科技大学 计算机学院,长沙 410073
文献出处：
引用格式：
[1]童敢;黄立波-.Winograd快速卷积相关研究综述)[J].计算机科学与探索,2022(05):959-971
A类：
疏剪
B类：
Winograd,卷积算子,FFT,若干种,快速卷积算法,速成,卷积核,一般化,体系结构,滤波算法,剪枝,低精度,数值稳定性,具体方法,分类总结,未来可能,卷积优化
AB值：
0.233803
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
