公开(公告)号：CN110163333B

公开(公告)日：2020-06-09

申请号：CN201810021291.0

申请日：2018-01-10

Applicant: 成都信息工程大学

Inventor： 黄家豪 ,  王铁军 ,  朱旭辉 ,  魏敏 ,  陈海宁 ,  杨昊 ,  赵长名 ,  吴涛 ,  黄敏 ,  吴锡

IPC: G06N3/04

Abstract: 本发明涉及一种卷积神经网络的并行优化方法，其包括：用winograd算法f(2x2,3x3)进行卷积神经网络的卷积核运算，以降低时间复杂度并减少乘法运算次数；对不存在循环数据依赖的for循环结构部分，使用OpenMP开辟多个线程进行运算；对模式相同的数据运算部分进行向量化处理，使其能够实现一次指令多次运算。采用本发明的方法改进的卷积神经网络程序能够大幅度提高并行的效率、减少运算的复杂度，从根本上降低运算开销，降低程序的运行时间。

公开(公告)号：CN110163333A

公开(公告)日：2019-08-23

申请号：CN201810021291.0

申请日：2018-01-10

Applicant: 成都信息工程大学

Inventor： 黄家豪 ,  王铁军 ,  朱旭辉 ,  魏敏 ,  陈海宁 ,  杨昊 ,  赵长名 ,  吴涛 ,  黄敏 ,  吴锡

IPC: G06N3/04

Abstract: 本发明涉及一种卷积神经网络的并行优化方法，其包括：用winograd算法f(2x2,3x3)进行卷积神经网络的卷积核运算，以降低时间复杂度并减少乘法运算次数；对不存在循环数据依赖的for循环结构部分，使用OpenMP开辟多个线程进行运算；对模式相同的数据运算部分进行向量化处理，使其能够实现一次指令多次运算。采用本发明的方法改进的卷积神经网络程序能够大幅度提高并行的效率、减少运算的复杂度，从根本上降低运算开销，降低程序的运行时间。