申请/专利权人:中山大学
申请日:2023-03-10
公开(公告)日:2023-08-04
公开(公告)号:CN116542294A
主分类号:G06N3/0464
分类号:G06N3/0464;G06F17/16
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.08.22#实质审查的生效;2023.08.04#公开
摘要:本发明公开了一种适用于大卷积核的三维Winograd嵌套方法,包括:将三维的原始数据进行有重叠的重新排列,进行三维Winograd转换,得到重排数据;对重排数据逐行抽取数据,进行有重叠的重新排列,进行三维Winograd转换,得到二维的激活转换矩阵;将三维的卷积核数据重新排列,进行三维Winograd转换,得到二维的卷积核转换矩阵;将激活转换矩阵与卷积核转换矩阵相乘,得到二维矩阵,作为输出转换矩阵;将输出转换矩阵进行重新排列并进行三维Winograd转换,得到三维的卷积输出结果。本发明降低了大尺寸三维卷积的计算复杂度,提高了Winograd算法的数值稳定性,可广泛应用于卷积神经网络算法领域。
主权项:1.一种适用于大卷积核的三维Winograd嵌套方法,其特征在于,包括:将三维的原始数据每一面的数据进行有重叠的重新排列,并进行三维Winograd转换,得到重排数据;对所述重排数据逐行抽取数据,进行有重叠的重新排列,并进行三维Winograd转换,得到一个二维矩阵,作为激活转换矩阵;将三维的卷积核数据每一面的数据重新排列,并进行三维Winograd转换,得到一个二维矩阵,作为卷积核转换矩阵;将所述激活转换矩阵与所述卷积核转换矩阵相乘,得到一个二维矩阵,作为输出转换矩阵;将所述输出转换矩阵进行重新排列并进行三维Winograd转换,得到三维的卷积输出结果。
全文数据:
权利要求:
百度查询: 中山大学 一种适用于大卷积核的三维Winograd嵌套方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。