TY -的A2 Voulodimos Athanasios AU - Lan,羌族非盟- Wang Zelong盟,温美盟——张Chunyuan AU -王,杰出PY - 2017 DA - 2017/11/08 TI的高性能实现3 d卷积神经网络在GPU SP - 8348671六世- 2017 AB -卷积神经网络已被证明是非常成功的应用,如图像分类、目标跟踪、基于2 d输入和许多其他任务。最近,研究人员开始将卷积神经网络应用于视频分类,构成一个三维输入和需要更大的内存和更多的计算。基于FFT的方法可以减少计算量,但这通常是在内存需求增加的成本。另一方面,Winograd最小滤波算法(WMFA)可以减少所需的操作,从而可以加快计算,在不增加所需的内存。这个策略被证明是成功的二维神经网络。我们实施三维卷积神经网络算法应用到一个受欢迎的3 d卷积神经网络用于cuDNN视频进行分类和比较。对于我们的高度优化的算法的实现,我们观察一个双重的加速的3 d卷积层cuDNN版本相比我们的测试网络。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/8348671 - 10.1155 / 2017/8348671摩根富林明计算智力和神经科学PB - Hindawi KW - ER