基于二维Winograd算法的深流水线5×5卷积方法

针对二维Winograd卷积算法中存储器带宽需求过高、计算复杂度高、设计探索周期漫长、级联的卷积存在层间计算延迟等问题，提出一种基于二维Winograd算法的双缓冲区5×5卷积层设计方法。首先使用列缓冲结构完成数据布局，以重用相邻分块之间的重叠数据，降低存储器带宽需求；然后精确搜索并复用Winograd算法加法计算过程中重复的中间计算结果，来降低加法运算量，从而减小加速器系统的能耗开销和设计面积；最后根据Winograd算法计算过程来完成6级流水线结构的设计，并实现针对5×5卷积的高效率计算。实验结果表明，这种5×5卷积的计算方法在基本不影响卷积神经网络（CNN）预测准确率的前提下，与传统卷积相比降低了83%的乘法运算量，加速倍率为5.82；该方法与级联3×3二维Winograd卷积组成5×5卷积的方法相比降低了12%的乘法运算量，降低了约24.2%的存储器带宽需求，并减少了20%的运算时间。