计算机工程

作者：姬晨晨, 陈永青, 韩孟之

单位：1. 郑州大学计算机与人工智能学院, 河南 郑州 4500002. 曙光信息产业(北京)有限公司, 北京 100193

关键词：三维卷积,国产加速器,隐式卷积算法,索引机制,前向算子优化,并行优化算法

基金：国家重点研发计划(2021YFB0300200)

目前三维卷积神经网络(3D CNN)的应用场景越来越广泛, 其能够从原始数据中提取更丰富、更具判别性的特征信息, 在处理3D数据、特征提取和实际应用等方面具有重要意义。然而, 从二维(2D)数据到3D数据的转变导致了卷积运算的数据量和计算量均呈指数级增长, 对计算资源和时间的需求也相应增加, 这会导致训练和推理过程更加耗时, 特别是在处理大规模3D数据时尤为明显。针对以上问题, 提出一种基于国产加速器的隐式卷积算法, 对3D卷积的前向计算过程进行优化。首先, 该算法结合了硬件特点和并行化思路, 利用索引直接访问所需计算的数据地址, 无须开辟新的内存空间, 大幅节省内存开销; 其次, 考虑到国产加速器具有高度并行的计算结构和丰富的计算资源, 适合处理大规模数据和复杂的计算任务, 结合国产加速器的计算能力和架构特点, 采用一系列特定的异构并行优化算法, 加速3D卷积前向算子的计算过程, 提高计算效率和性能。实验结果表明, 自研算子性能远超国产计算平台现有算子的最优性能, 在多数情况下与NVIDIA V100之间的能效比可以达到70%甚至更高。

来源：2025年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第2期