矩阵一维卷积c++_深度神经网络卷积层计算加速与优化

01 传统卷积层计算

首先我们定义符号F()函数为卷积函数

一维卷积：F(n，m)

n代表输出的维度，m代表滤波器的维度

二维卷积：F(n*m，r*s)

n*m代表输出的维度，r*s代表滤波器的维度

下面我们具体谈谈针对二维的卷积加速

传统的卷积层加速：

对于最简单的F(n*m，r*s)

最传统暴力的卷积运算：

时间成本：1. 乘法：(n*m*r*s)2. 加法：(n*m*(r – 1)*(s – 1))空间成本：1. 输入层：(n+r-1)*(m + s - 1)2. 卷积核：(r*s)

02 Imcol+GEMM

为了更好的理解，首先给出这幅图：