卷积神经网络的最小滤波算法
信号处理
2020-04-14 v1 机器学习
机器学习
摘要
在本文中，我们提出了若干资源高效的算法方案，涉及卷积神经网络卷积层中所执行基本滤波操作的完全并行硬件实现。事实上，这些基本操作计算由来自当前数据流、以滑动时间窗形成的相邻向量与 M 抽头有限冲激响应滤波器的冲激响应这两个内积。我们使用 Winograd 最小滤波技巧，并将其应用于开发面向完全并行硬件的算法，以实现 M=3,5,7,9 和 11 时的基本滤波操作。在每种情况下，所提算法的完全并行硬件实现与朴素计算方法的完全并行硬件实现相比，在嵌入式乘法器数量上节省约 30%。
引用
@article{arxiv.2004.05607,
title = {Minimal Filtering Algorithms for Convolutional Neural Networks},
author = {Aleksandr Cariow and Galina Cariowa},
journal= {arXiv preprint arXiv:2004.05607},
year = {2020}
}
备注
11 pages, 6 figures, 1 table