计算机工程

作者：王培吉, 邹承明

单位：1. 武汉理工大学计算机与人工智能学院，湖北 武汉 4300002. 交通物联网技术湖北省重点实验室，湖北 武汉 4300003. 鹏城实验室，广东 深圳 518055

关键词：深度学习,卷积计算,卷积优化,向量转换,加速库

针对卷积计算中的效率问题，提出卷积计算优化方法OAC。该研究的主要目的在于提高卷积计算的效率，以应对深度学习领域对卷积计算速度不断增大的需求。在该技术实现过程中，OAC方法以向量转换为基础，采取一系列巧妙的步骤来优化卷积计算。首先，通过逐行取值的方式将输入矩阵连接成一个向量；然后，对卷积核进行拉伸变换，并根据输入矩阵的宽度和卷积核的大小在适当位置进行补零，形成另一个向量，这一转换的设计旨在和输入矩阵转换后的向量能够进行正确计算，最大程度地减少计算过程中的冗余操作，从而提高效率；最后，结合一些其他的优化手段对向量计算进行加速。实验结果表明，与传统MEC方法相比，OAC方法的计算速度提高了58.9%，与im2col方法相比，计算速度提升90.1%，内存占用相比于MEC方法减少了53.7%。OAC方法不仅在计算效率上取得了显著成果，而且为深度学习等计算任务提供了高效可行的解决方案。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期