卷积神经网络（CNN）性能优化方法方法，经验

引言卷积（Convolution）是神经网络的核心计算之一，它在计算机视觉方面的突破性进展引领了深度学习的热潮。卷积的变种丰富，计算复杂，神经网络运行时大部分时间都耗费在计算卷积，网络模型的发展在不断增加网络的深度，因此优化卷积计算就显得尤为重要。随着技术的发展，研究人员提出了多种优化算法，包括 Im2col、Winograd 等等。本文首先定义卷积神经网络的概念，继而简要介绍几种常见的优化方法，并讨论作者在该领域的一些经验。大部分时间都耗费在计算卷积链接：https://arxiv.org/abs/1807.11164Im2col 链接：https://www.mathworks.com/help/images/ref/im2col.htmlWinograd 链接：https://www.intel.ai/winograd/#gs.avmb0n卷积神经网络的概念卷积神经网络（Convolution Neural Networks, CNN）的概念拓 ………………………………