BriefGPT.xyz
Jun, 2024
基于相量驱动的快速傅里叶变换卷积神经网络加速
Phasor-Driven Acceleration for FFT-based CNNs
HTML
PDF
Eduardo Reis, Thangarajah Akilan, Mohammed Khalid
TL;DR
通过使用极相表达形式作为替代传统方法的更高效的选择,我们的方法在CIFAR-10和CIFAR-100数据集上相较于现代CNN架构采用的矩形形式,实现了训练和推断速度的最高提升分别达到1.376和1.390。同时,我们的方法可应用于任何基于卷积的深度学习模型,而无需进行设计更改。
Abstract
Recent research in
deep learning
(DL) has investigated the use of the
fast fourier transform
(FFT) to accelerate the computations involved in
con
→