引言

卷积（Convolut卷积ion）是神经网络的核心计算之一，它在计算机视觉方神经面的突破性进展引领了深度学习的热潮。卷积的变种丰富，计网络算复杂，神经网络运行时大部分时间都耗费在计算卷积，网络性能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优化尤为重要。

随着技术的发展，研究人员提出了多种优化算卷积法，包括 Im2col、Winograd 等等。本文首先定义神经卷积神经网络的概念，继而简要介绍几种常见的优化方法，并网络讨论作者在该领域的一些经验。

卷积神经网络的概念

卷积神经网性能络（Convolution Neural Network优化s, CNN）的概念拓展自信号处理领域的卷积。信号处理卷积的卷积定义为

 (1)

由于对称性图片 卷积计神经算在直觉上不易理解，其可视化后如图一所示。图中红色滑块网络在移动过程中与蓝色方块的积绘制成的三角图案即为卷积结果 (