[发明专利]一种卷积im2col展开计算方法

说明书

本发明的一种卷积im2col展开计算方法，优化了矩阵的im2col展开的方法，不采用矩阵卷积核窗口依次滑动的策略，采用了多次矩阵变换的方法，减少了循环次数，在GPU计算中，比传统的展开方法快10～30倍。

技术领域

本发明属于卷积神经网络计算方法技术领域，具体涉及一种卷积im2col展开计算方法。

背景技术

随着计算机人工智能技术的飞速发展，深度学习技术领域中的卷积神经网络CNN计算方法自从在ImageNet竞赛中引入以来，该技术便在图像分类、模式识别和多媒体压缩等各种领域被广泛采用。该技术的计算时间瓶颈主要是在卷积计算，而卷积计算的时间瓶颈主要在卷积矩阵im2col展开处。采用一个更快的卷积矩阵im2col展开计算方法，可以提升卷积神经网络的训练速度，减小卷积神经网络的反应时间，这在自动驾驶等AI决策领域里有重要意义。卷积计算方法即为令中间的卷积核窗口依次滑过左方的卷积矩阵，每次滑动一个或多个方格。每滑动到一个位置，令卷积核的每个数字与卷积核的对应位置的数字相乘，所有乘积再求和，记录于右侧矩阵对应位置中。当滑动到下一个位置时再做上述运算，直到卷积矩阵被卷积核窗口滑动完为止，右侧的矩阵即为该卷积计算的结果。如图1所示(上图只展示了卷积核在第一个位置和最后一个位置得出的卷积结果)。

im2col展开是将卷积核窗口每滑动到一个位置，便将该处的数字展开成一维矩阵。待滑动结束后，所有的一维矩阵组合成二维矩阵，该矩阵即为卷积矩阵的im2col展开形式，现有的卷积技术多是用用计算机去执行窗口滑动的策略，当窗口滑动到一个位置时，令窗口里的所有数字展开排列成一行，直到滑动结束形成一个新的矩阵(im2col计算方法)，再令卷积核排列成一列。展开的卷积核与展开的卷积矩阵点乘，得出的结果即为卷积结果。这样的方法在矩阵展开的过程中，因为窗口滑动的次数较多，会拖慢卷积运算速度。

发明内容

有鉴于此，本发明的目的是提供一种卷积im2col展开计算方法，可以显著提高卷积计算速度。

一种卷积im2col展开计算方法，包括：

步骤1、设需要进行卷积运算的数据为卷积矩阵a，大小设为ma×na；卷积核c的大小设为mc×nc；卷积计算得到的目标矩阵z，其大小设为(ma-mc+1)×(na-nc+1)；

步骤2、将卷积矩阵a的中每一行排列展开成小块矩阵，具体为：

针对第一个小块矩阵：

第一行从卷积矩阵a第一行取第一个元素开始的nc个元素；

第二行从卷积矩阵a第一行取第二个元素开始的nc个元素；

第三行从卷积矩阵a第一行取第三个元素开始的nc个元素；

以此类推，最后一行从卷积矩阵a第一行取第(na-nc+1)个元素至第na个元素，则得到第一个小块矩阵；

针对第二小矩阵：

第一行从卷积矩阵a第二行取第一个元素开始的nc个元素；

第二行从卷积矩阵a第二行取第二个元素开始的数nc个元素；

第三行从卷积矩阵a第二行取第三个元素开始的nc个元素；

以此类推，最后一行从第二行取第(na-nc+1)个元素至第na个元素，则得到第二个小块矩阵；以此类推，直到得到第ma个小块矩阵；

步骤3、将小块矩阵再排列成一个大的展开矩阵，具体为：

从第一个小块矩阵开始，向后取mc个小块矩阵拼接成第一行小块矩阵；从第二个小块矩阵开始，向后取mc个小块矩阵拼接成第二行小块矩阵；从第三个小块矩阵开始，向后取mc个小块矩阵拼接成第三行小块矩阵；以此类推，直到第ma-mc+1个小块矩阵，则第ma-mc+1至第ma个小块矩阵作为最后一行小块矩阵，得到展开矩阵；