一种适用于ARMv8多核架构的Winograd卷积优化方法及系统

本发明公开及一种适用于ARMv8多核架构的Winograd卷积优化方法及系统，属于深度学习技术领域。所述方法包括：确定tile分块值Tblk、输入通道分块值Cblk和输出通道分块值Kblk，并依据所述tile分块值Tblk划分输入数据，得到tile分块；通过双层嵌套循环完成滤波器的整体域转换，并将整体域转换结果按第一矩阵乘法数据布局存储到FilterOut数组；按tile分块值Tblk遍历tile分块，对每一tile分块执行块内输入转换、耦合的矩阵乘法和输出转换后，得到Winograd卷积优化结果。本发明可以大幅提高Winograd算法的计算效率。