问是否有办法改变毕道尔的卷积方法？(还是在其他框架中？)

EN

我们有一些修改CNN平台的经验。对于不依赖于方向的模式识别任务，一种优化的计算方法是对所有卷积层使用对称核，并将第一平坦层替换为合并卷积层(参见“通过对称元算子进行变换的相同和不变的卷积神经网络TI-CNN”)。我们在Caffe、PyTorch和Darknet (GPU & CPU)平台上成功地实现了快速算法，方法是改变im2col+gemm (2-6倍)和FFT (~1.5 )码，并使用一小部分内存缓冲区( dih4对称内核)。对于3x3核，使用dih4核的朴素卷积对每个矩阵乘法只需3次乘法，因此Winograd没有优势，在对称核模式下也不需要。Tensorflow GPU卷积过程使用cuDNN库进行im2col+gemm，不能改变其im2col。但是我们可以强迫它的所有内核都是对称的(无论是在C++或python级别)，但是如果使用旋转数据增强，除了将0-360度降低到0-45度(当使用dih4对称核时，其他7种角段的楔形与0-45度相同)，计算和内存就无法节省。