基于img2col的2D卷积算子在DCU加速器上的并行优化研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：深度学习中，因卷积巨大的计算需求，经常成为限制大型卷积神经网络性能的瓶颈，为此，提出使用并行技术来优化卷积运算的策略。对传统2D卷积算子进行重构，使其转换为通用矩阵乘法；使用共享内存和数据预取等技术，降低访存次数；针对加速器的硬件架构，调整算法的并行方案以提高计算性能。实验结果表明，相较传统的计算方式，该优化策略将运算速度提升了近7.5倍，提高了卷积运算效率。（剩余9317字）

试读结束

目录
monitor