计算机应用研究

作者：王鑫,甄雪茹,

单位：江南大学教育部轻工过程先进控制重点实验室,江苏无锡214122；

关键词：Winograd算法,并行计算,CUDA,卷积神经网络,

基金：高等学校学科创新引智计划资助项目(B23008)；；

针对现代卷积神经网络中计算负荷过重的问题，提出一种基于GPU的创新性Winograd并行卷积算法。该算法利用负载均衡的任务映射、优化数据加载策略以隐藏延迟，并结合动态填充方法，充分挖掘Winograd卷积算法与GPU架构的协同效应。实验结果表明，在经典卷积神经网络模型ResNet的多个卷积层上，提出的算法优于NVIDIA cuDNN 8.3.0库中的标准Winograd卷积算法，在Turing架构的RTX 2080Ti GPU上实现高达2.46的加速比，并且保持较高的计算准确性。与基于GPU的标准Winograd卷积算法相比，该算法显著提升了卷积计算效率。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期