winograd算法，它的本质就是通过减少卷积运算中的乘法，来减少计算量。我们以3x3,s=1的卷积为例，讲讲Winograd算法的具体流程。 一个
r
×
s
r\times s
r×s的卷积核，和一个输入特征图进行卷积运算，得到
m
×
n
m\times n
m×n的输出，我们记为：
F
(
m
×
n
,
r
×
s
)
F(m\times n,r\times s)
F(m×n,r×s) 其计算量为
μ
(
F
(
m
×
n
,
r
×
s
)
)
=
(
m
+
r
−
1
)
∗
(
n
+
s
−
1
)
\mu (F(m\times n,r\times s))=(m+r-1)*(n+s-1)
μ(F(m×n,r×s))=(m+r−1)∗(n+s−1) 和普通的直接卷积(
m
∗
n
∗
r
∗
s
m*n*r*s
m∗n∗r∗s)相比,计算量减少了
m
∗
n
∗
r
∗
s
(
m
+
r
−
1
)
∗
(
n
+
s
−
1
)
\dfrac{m*n*r*s}{(m+r-1)*(n+s-1)}
(m+r−1)∗(n+s−1)m∗n∗r∗s 当
m
>
>
r
,
n
>
>
s
m>>r,n>>s
m>>r,n>>s时，上式近似等于
r
∗
s
r*s
r∗s Winograd 的证明方法较为复杂，要用到数论中的一些知识，但是，使用起来很简单。只需要按照如下公式计算: 
其中,
⨀
\bigodot
⨀表示哈达玛乘积，
A
,
B
,
G
A,B,G
A,B,G为相应的变换矩阵，根据输出大小和卷积核大小不同有不同的定义，但是是提前确定了的。每种输出大小和卷积核的
A
,
G
,
B
A,G,B
A,G,B 具体是多少，可以通过 https://github.com/andravin/wincnn 的脚本计算。
g
g
g为
r
×
r
r\times r
r×r的卷积核，
d
d
d为
(
m
+
r
−
1
)
×
(
m
+
r
−
1
)
(m+r-1)\times (m+r-1)
(m+r−1)×(m+r−1)的输入特征块 这里只给出
m
=
2
，
r
=
3
m=2，r=3
m=2，r=3的情况下，
A
,
B
,
G
A,B,G
A,B,G相应的值： 
F(2x2,3x3)更具体的计算流程可参考博客
因为我们加速的是VGG16网络，整个网络只包含3x3,s=1的卷积、2x2的最大池化和全连接层，因此我们只实现了两个IP核 
其中，fc负责计算全连接层，WinogradConv负责计算卷积、激活函数，并且该卷积层后若还接了一个池化层，则也会进行池化运算。我们着重关注WinogradConv IP核。 
上图是该IP的代码结构，其中load.cpp用于加载和写回数据，winotrans.cpp用于计算输入特征的Winograd变换和输出特征的逆变换，在该加速器的设计中，我们对权重预先做了Winograd变换，因此权重直接加载即可，main.cpp是该设计的顶层文件，为了掩盖数据传输时间，我们在加载输入和计算之间作了乒乓操作：
void compute_output(data_t* in1,data_t* in2,data_t* in3,data_t* in4, data_t* weight1,
data_t* weight2,data_t* weight3,data_t* weight4,
data_t fm_out_buff[Tm][16][N][N], int m, int r, int c,int ch_in,int fsize) {
/***************************************************/
#pragma HLS ARRAY_PARTITION variable=fm_out_buff complete dim=1
data_t in_buff1[16][Tn][N][N];
#pragma HLS ARRAY_PARTITION variable=in_buff1 complete dim=2
data_t in_buff2[16][Tn][N][N];
#pragma HLS ARRAY_PARTITION variable=in_buff2 complete dim=2
data_t wt_buff1[Tm][Tn][N][N];
#pragma HLS ARRAY_PARTITION variable=wt_buff1 complete dim=2
#pragma HLS ARRAY_PARTITION variable=wt_buff1 complete dim=1
data_t wt_buff2[Tm][Tn][N][N];
#pragma HLS ARRAY_PARTITION variable=wt_buff2 complete dim=2
#pragma HLS ARRAY_PARTITION variable=wt_buff2 complete dim=1
//
for(int i=0;ibias[1],out3q,64,64,32,1);
//block2,16x16,128
pl_conv(hls_conv,out3q,fw->winoweight[2],fw->bias[2],out2q,64,128,16,0);
pl_conv(hls_conv,out2q,fw->winoweight[3],fw->bias[3],out3q,128,128,16,1);
//block3,8x8,256
pl_conv(hls_conv,out3q,fw->winoweight[4],fw->bias[4],out1q,128,256,8,0);
pl_conv(hls_conv,out1q,fw->winoweight[5],fw->bias[5],out2q,256,256,8,0);
pl_conv(hls_conv,out2q,fw->winoweight[6],fw->bias[6],out1q,256,256,8,0);
//block4,8x8,512
pl_conv(hls_conv,out1q,fw->winoweight[7],fw->bias[7],out2q,256,512,8,0);
pl_conv(hls_conv,out2q,fw->winoweight[8],fw->bias[8],out1q,512,512,8,0);
pl_conv(hls_conv,out1q,fw->winoweight[9],fw->bias[9],out2q,512,512,8,0);
//block5,8x8,512
pl_conv(hls_conv,out2q,fw->winoweight[10],fw->bias[10],out1q,512,512,8,0);
pl_conv(hls_conv,out1q,fw->winoweight[11],fw->bias[11],out2q,512,512,8,0);
pl_conv(hls_conv,out2q,fw->winoweight[12],fw->bias[12],out1q,512,512,8,0);
pl_fc(hls_fc,out1q,fw->weight[13],fw->bias[13],out2q);
//argmax
short max=-10000;
int max_idx=-1;
for(int k=0;kmax){
max=out2q[k];
max_idx=k;
}
}
XTime_GetTime(&tEnd); //��ȡ����ʱ��
tUsed = ((tEnd-tCur)*1000000)/(COUNTS_PER_SECOND); //����õ���ʱus
printf("time elapsed is %d us\r\n",tUsed);
//check
if(max_idx==fdata->labels[i]){
printf("right\n");
correct++;
}
else
printf("error\n");
}
printf("test acc is %f \%",correct/100.0);
}
可以看到，单张图片推理用时285ms左右。
