基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究

基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究

卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展，限制其大规模应用的很重要的一个因素就是其计算复杂度，尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式，该文首先提出一种统一的基于时域抽取方法的分裂基-2/（2a） 1维FFT快速算法，其中a为任意自然数，然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明：利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络，精度并不会有损失，并且分裂基-...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电子与信息学报 2017, Vol.39 (2), p.285-292
1. Verfasser: 伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠
Format: Artikel
Sprache:chi
Schlagworte:
信号处理
卷积神经网络
快速傅里叶变换
深度学习
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 292
container_issue 2
container_start_page 285
container_title 电子与信息学报
container_volume 39
creator 伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠
description 卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展，限制其大规模应用的很重要的一个因素就是其计算复杂度，尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式，该文首先提出一种统一的基于时域抽取方法的分裂基-2/（2a） 1维FFT快速算法，其中a为任意自然数，然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明：利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络，精度并不会有损失，并且分裂基-2/4能取得最好的提速效果，在以上两个数据集上分别提速38.56%和72.01%。因此，在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。
doi_str_mv 10.11999/JEIT160357
format Article
fullrecord <record><control><sourceid>wanfang_jour_chong</sourceid><recordid>TN_cdi_wanfang_journals_dzkxxk201702005</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>671162667</cqvip_id><wanfj_id>dzkxxk201702005</wanfj_id><sourcerecordid>dzkxxk201702005</sourcerecordid><originalsourceid>FETCH-LOGICAL-c595-45d83a08bffb9aa4dc7d1a4a03991266bdd6687e86a40f1e2bbdf3137631d6d03</originalsourceid><addsrcrecordid>eNotzU9LAkEYBvA5FCTmqW_QpdPm--7szuwcQ7QMo8veZdZxzay1lMg6SUVYUBEUQUQKEdKlDkGBf75N69jJr9CCnZ7n8ON5CFlAWEYUQiTX01kXGVCbz5AYAgjDdgSbI4l6veyBSZFxABojG2G799O7Dlvn45eTqBtmcjJomXIyuMhkXP3-MPq8149n4dW37n7o12fdv9HDW91_Ci87v832qNkdnw4joDt3-u1rnsz6cqdeTPxnnLiZtJtaM3Kbq9nUSs4o2MI2LFs5VILj-b4npLRUgSuUlgQqBJqMeUox5vCiw6QFPhZNz1M-RcoZRcUU0DhZms4eysCXQSm_XT2oBdFhXh1XGo2KCcjBBLAjuTiVha1qUNovR3avVt6VtaM844gseuP0DzQAcbE</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究</title><source>Alma/SFX Local Collection</source><creator>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</creator><creatorcontrib>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</creatorcontrib><description>卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展，限制其大规模应用的很重要的一个因素就是其计算复杂度，尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式，该文首先提出一种统一的基于时域抽取方法的分裂基-2/（2a） 1维FFT快速算法，其中a为任意自然数，然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明：利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络，精度并不会有损失，并且分裂基-2/4能取得最好的提速效果，在以上两个数据集上分别提速38.56%和72.01%。因此，在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。</description><identifier>ISSN: 1009-5896</identifier><identifier>DOI: 10.11999/JEIT160357</identifier><language>chi</language><publisher>中法生物医学信息研究中心 南京 210096</publisher><subject>信号处理 ; 卷积神经网络 ; 快速傅里叶变换 ; 深度学习</subject><ispartof>电子与信息学报, 2017, Vol.39 (2), p.285-292</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/91130A/91130A.jpg</thumbnail><link.rule.ids>314,780,784,4021,27921,27922,27923</link.rule.ids></links><search><creatorcontrib>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</creatorcontrib><title>基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究</title><title>电子与信息学报</title><addtitle>Journal of Electronics ＆ Information Technology</addtitle><description>卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展，限制其大规模应用的很重要的一个因素就是其计算复杂度，尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式，该文首先提出一种统一的基于时域抽取方法的分裂基-2/（2a） 1维FFT快速算法，其中a为任意自然数，然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明：利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络，精度并不会有损失，并且分裂基-2/4能取得最好的提速效果，在以上两个数据集上分别提速38.56%和72.01%。因此，在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。</description><subject>信号处理</subject><subject>卷积神经网络</subject><subject>快速傅里叶变换</subject><subject>深度学习</subject><issn>1009-5896</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2017</creationdate><recordtype>article</recordtype><recordid>eNotzU9LAkEYBvA5FCTmqW_QpdPm--7szuwcQ7QMo8veZdZxzay1lMg6SUVYUBEUQUQKEdKlDkGBf75N69jJr9CCnZ7n8ON5CFlAWEYUQiTX01kXGVCbz5AYAgjDdgSbI4l6veyBSZFxABojG2G799O7Dlvn45eTqBtmcjJomXIyuMhkXP3-MPq8149n4dW37n7o12fdv9HDW91_Ci87v832qNkdnw4joDt3-u1rnsz6cqdeTPxnnLiZtJtaM3Kbq9nUSs4o2MI2LFs5VILj-b4npLRUgSuUlgQqBJqMeUox5vCiw6QFPhZNz1M-RcoZRcUU0DhZms4eysCXQSm_XT2oBdFhXh1XGo2KCcjBBLAjuTiVha1qUNovR3avVt6VtaM844gseuP0DzQAcbE</recordid><startdate>2017</startdate><enddate>2017</enddate><creator>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</creator><general>中法生物医学信息研究中心 南京 210096</general><general>中法生物医学信息研究中心 南京 210096%东南大学计算机网络和信息集成教育部重点实验室 南京 210096</general><general>雷恩一大信号与图像处理实验室 雷恩 35000</general><general>法国国家医学与健康研究院 U1099 雷恩 35000</general><general>东南大学计算机网络和信息集成教育部重点实验室 南京 210096</general><general>中法生物医学信息研究中心 南京 210096%法国国家医学与健康研究院 U1099 雷恩 35000</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W92</scope><scope>~WA</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2017</creationdate><title>基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究</title><author>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c595-45d83a08bffb9aa4dc7d1a4a03991266bdd6687e86a40f1e2bbdf3137631d6d03</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2017</creationdate><topic>信号处理</topic><topic>卷积神经网络</topic><topic>快速傅里叶变换</topic><topic>深度学习</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库-工程技术</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电子与信息学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>伍家松 达臻 魏黎明 SENHADJI Lotfi 舒华忠</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究</atitle><jtitle>电子与信息学报</jtitle><addtitle>Journal of Electronics ＆ Information Technology</addtitle><date>2017</date><risdate>2017</risdate><volume>39</volume><issue>2</issue><spage>285</spage><epage>292</epage><pages>285-292</pages><issn>1009-5896</issn><abstract>卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展，限制其大规模应用的很重要的一个因素就是其计算复杂度，尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式，该文首先提出一种统一的基于时域抽取方法的分裂基-2/（2a） 1维FFT快速算法，其中a为任意自然数，然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明：利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络，精度并不会有损失，并且分裂基-2/4能取得最好的提速效果，在以上两个数据集上分别提速38.56%和72.01%。因此，在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。</abstract><pub>中法生物医学信息研究中心 南京 210096</pub><doi>10.11999/JEIT160357</doi><tpages>8</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1009-5896
ispartof 电子与信息学报, 2017, Vol.39 (2), p.285-292
issn 1009-5896
language chi
recordid cdi_wanfang_journals_dzkxxk201702005
source Alma/SFX Local Collection
subjects 信号处理
卷积神经网络
快速傅里叶变换
深度学习
title 基于分裂基-2/（2a）FFT算法的卷积神经网络加速性能的研究
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-13T13%3A44%3A38IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour_chong&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E5%88%86%E8%A3%82%E5%9F%BA-2/%EF%BC%882a%EF%BC%89FFT%E7%AE%97%E6%B3%95%E7%9A%84%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%8A%A0%E9%80%9F%E6%80%A7%E8%83%BD%E7%9A%84%E7%A0%94%E7%A9%B6&rft.jtitle=%E7%94%B5%E5%AD%90%E4%B8%8E%E4%BF%A1%E6%81%AF%E5%AD%A6%E6%8A%A5&rft.au=%E4%BC%8D%E5%AE%B6%E6%9D%BE%20%E8%BE%BE%E8%87%BB%20%E9%AD%8F%E9%BB%8E%E6%98%8E%20SENHADJI%20Lotfi%20%E8%88%92%E5%8D%8E%E5%BF%A0&rft.date=2017&rft.volume=39&rft.issue=2&rft.spage=285&rft.epage=292&rft.pages=285-292&rft.issn=1009-5896&rft_id=info:doi/10.11999/JEIT160357&rft_dat=%3Cwanfang_jour_chong%3Edzkxxk201702005%3C/wanfang_jour_chong%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=671162667&rft_wanfj_id=dzkxxk201702005&rfr_iscdi=true