YellowYi的博客

总结下卷积加速的三种实现方法：方案一：卷积等效于使用傅里叶变换将输入与核都转换到复频域，做一个点乘运算，再用逆变换变回到实域，这的确比离散的卷积更快。方案二：当卷积核是可以分离的可以拆成一列乘一行的情况（可以用SVD验证一个卷积核是否可拆），将列与输入进行卷积后再把结果与行进行卷积，这种情况做卷积是最快的但是它只是针对特定的卷积核。这里提供大家一个链接里面专门讲解了和对比了这种方法...

目录1.CNN简介2.CNN本质特性2.1 稀疏连接（稀疏互交）2.2 参数共享2.3小结3.CNN物理机制3.1线性的卷积3.2 离散卷积和相似度3.3小结4.CNN的经典模型及特点4.1经典网络4.2多层CNN卷积的构造参考1.CNN简介卷积神经网络（CNN）是一种前馈神经网络，其特点是每一层的的神经元节点只响应前一层局部范围内的神经...