Winograd快速卷积相关研究综述.docx

卷积神经网络（convolutional neural network,CNN）在计算机视觉、自然语言处理等任务上应用广泛。越来越多的研究尝试加速CNN的训练和推理,使用快速卷积算子就是其中的重要方法。快速卷积算子包括快速傅里叶变换（fast Fourier transformation,FFT）卷积[1]和Winograd卷积[2],这类卷积通过把输入特征映射和卷积核线性变换到相应的空间,将原来的运算转换为对应位相乘,运算结果再经过逆线性变换即可得到原特征映射空间的输出。 在“变换-运算-逆变换”的过程中,乘法运算的次数比直接卷积有可观的减少,而代价则是加法运算次数的增加。在绝大多数现代处理