深度学习（十二）——Winograd（2）

最大公约数和Euclidean algorithm（续）

Euclidean algorithm的步骤如下图所示：

1.假设a>b，则令c:=amodb。

2.如果c=0，则GCD(a,b)=b。

3.否则令a:=b,b:=c，并返回到第1步。

这个算法应该是Euclid记述的前人成果，因为更早的Eudoxus of Cnidus曾提到过这个算法。

Eudoxus of Cnidus，公元前390年～公元前337年，古希腊几何学家、天文学家和地理学家。柏拉图同时代最杰出的数学家。《几何原本》卷Ⅴ和卷Ⅻ主要来自欧多克索斯的工作。

然而，小学课本不使用Euclidean algorithm是有原因的，除了Euclidean algorithm本身相对复杂之外，短除法能同时搞定最大公约数和最小公倍数（Least common multiple），这也是它的教学优势所在。

Euclidean algorithm作为最古老的算法之一，被收录进Knuth的巨著TAOCP。这里的算法，指的是那些根据一定的规则来一步步执行的运算。

Bézout’s identity和Extended Euclidean algorithm

Euclidean division还可以表示为如下形式：

如果a′=amod(b)，则a=⌊ab⌋b+a′。

这里的⌊x⌋是向下取整的意思。

我们可以把上述定义扩展到负数。例如：

−103=−2×60+17⇒(−103)mod60=17

注意：余数永远≥0。

还可以把GCD的定义扩展为：GCD(a,0)=a，即任何整数都能整除0。

Euclidean division的定义扩展之后，则有Bézout’s identity。

Bézout’s identity：若a,b是非0整数，d=GCD(a,b)，则存在整数x,y使得ax+by=d。证明略。

例如：

m0=3,M0=20,(−1)20+7(3)=1

Étienne Bézout，1730~1783，法国数学家。法国科学院院士。

至于如何求解x,y，这就要用到Extended Euclidean algorithm了。

首先，我们考虑边界情况，当b=0时，原方程可化为ax=GCD(a,0)，则：

{x=1y=0(1)

接着，设a′=b,b′=amodb，则由Euclidean algorithm可得：GCD(a,b)=GCD(b,amodb)，因此：

a​'​​x​'​​+b​'​​y​'​​=GCD(a​'​​,b​'​​)=GCD(b,amodb)

ax+by=a​'​​x​'​​+b​'​​y​'​​=bx​'​​+(amodb)y​'​​=bx​'​​+(a−⌊ab⌋b)y​'​​

整理得到：

ax+by=ay​'​​+b(x​'​​−⌊ab⌋y​'​​)

对比系数，可得：

{x=y′y=x′−⌊ab⌋y​'​​(2)

公式1和2合到一起，就是一种迭代算法，也就是Extended Euclidean algorithm了。

从上面的讨论可知，Extended Euclidean algorithm实际上只在Euclidean algorithm之上前进了很小的一步，它的主要内核还是来源于Euclid。

但Euclid之所以不能更进一步，则主要是受制于负数的概念。虽然现在的小学高年级课本中，已经引入了负数，古代中国、印度、阿拉伯也很早就用到了负数，但是西方差不多要到文艺复兴时期，才逐渐接受了负数的概念。

不过反例也是有的，比如无理数，其它文明貌似根本就没有关注过它和有理数究竟有何区别…

参考：

https://blog.sengxian.com/algorithms/gcd-extgcd

欧几里德算法与扩展欧几里德算法

中国剩余定理

Chinese remainder theorem算是初等数论中，一个非常重要的定理了。（初等数论意指使用不超过高中程度的初等代数处理的数论问题，其最主要的工具包括整数的整除性与同余。）

CRT最早出自中国四世纪成书的古书《孙子算经》。著名的娱乐圈学霸关晓彤同学所攻克的“鸡兔同笼问题”，就出自该书。

CRT的内容为：

设mi为两两互质（pairwise coprime）的大于1的整数，ai为任意整数，则存在x满足：

x≡a1⋮x≡ak(modm1)(modmk)

如果0≤x<M,M=∏ki=1mi，则该x是唯一的。

CRT的存在性证明略。

这里以如下简单的例子，来讲讲如何求解x。

xxx≡0(mod3)≡3(mod4)≡4(mod5).

这个问题的穷举法需要遍历0到M的所有整数，这显然是个十分低效的算法。因此无论手算还是计算机算，基本都不用穷举法。

再来介绍一下筛法（Sieving）：

1.首先对mi按降序排序。

2.选择最大的模（这里为5）和对应的ai（这里为4）。

3.

{% highlight text %}
4 mod 4 → 0. Continue
4 + 5 = 9 mod 4 →1. Continue
9 + 5 = 14 mod 4 → 2. Continue
14 + 5 = 19 mod 4 → 3. OK, continue by considering remainders modulo 3 and adding 5×4 = 20 each time
19 mod 3 → 1. Continue
19 + 20 = 39 mod 3 → 0. OK, this is the result.
{% endhighlight %}

筛法对于M较小的情况，是非常高效的，因此手算一般都采用该法。但是，筛法的复杂度是指数级的，对于M较大的情况，并不好用。

CRT虽然只是初等数论的基本定理，但应用范围很广，Lagrange interpolation（一阶多项式插值）、Hermite interpolation（多阶多项式插值）和Dedekind’s theorem，都用到了CRT。

多项式的Euclidean division和GCD

我们可以仿照整数Euclidean division定义多项式的Euclidean division，如下面的竖式所示：

x2+1x+3x−3)x3−2x2+0x−4¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯x3−3x2+0x−4−−−−−−−−−−−−−−+x2+0x−4+x2−3x−4−−−−−−−−−−−+3x−4+3x−9−−−−−−−+5

上式也可写为横式：

x3−2x2−4=(x−3)(x2+x+3)q(x)+5r(x)

其中的r(x)即为余数。

同样的可以定义多项式的GCD：

x2+7x+6=(x+1)(x+6)

x2−5x−6=(x+1)(x−6)

则两多项式的GCD为(x+1)。

多项式的CRT

CRT亦可改为如下等效形式：

c=(∑i=0kciNiMi)modM

其中mi两两互质，ci=Rmi[c],M=∏ki=0mi,Mi=M/mi，Ni,ni是方程NiMi+nimi=GCD(Mi,mi)=1的解。

显然这里的Ni,ni可以使用Extended Euclidean algorithm求解。

例如：

m0=3,M0=20,(−1)20+7(3)=1

m1=4,M1=15,(−1)15+(4)4=1

m2=5,M2=12,(−2)12+(5)5=1

稍加扩展，可得到多项式版本的CRT：

c(p)=(∑i=0kc(i)(p)N(i)(p)M(i)(p))modM(p)(3)

其中m(i)(p)两两互质，c(i)(p)=Rm(i)[c(p)],M(p)=∏ki=0m(i)(p),M(i)(p)=M(p)/m(i)(p)，N(i)(p)是方程N(i)(p)M(i)(p)+n(i)(p)m(i)(p)=GCD(M(i)(p),m(i)(p))=1的解。

Winograd algorithm

下面以一个2x3的卷积为例，介绍一下Winograd algorithm的做法。

2x3卷积的多项式形式为：

h(p)=h0+h1p,x(p)=x0+x1p+x2p2,s(p)=h(p)x(p)

这里引入多项式（polynomial）的度（degree）的概念：多项式中包含的最高次项的次数，被称为多项式的度。

例如，上面的h(p)的degree为1，而x(p)的degree为2，而s(p)的degree为3。

和Cook-Toom algorithm一样，Winograd algorithm也是一个构造式的算法。

Step 1：首先要构造一个degree大于等于3的多项式：

m(p)=m(0)(p)m(0)(p)⋯m(k)(p)

其中的m(i)(p)两两互质。

这里为了简单起见，不妨令m(p)=p(p−1)(p+1)，并使用Extended Euclidean algorithm构建如下计算表格：

i

m(i)(p)

M(i)(p)

n(i)(p)

N(i)(p)

0

p

p2−1

p

−1

1

p−1

p2+p

−12(p+2)

12

2

p+1

p2−p

−12(p−2)

12

Step 2：使用如下公式计算h(i)(p),x(i)(p)：

h(i)(p)=h(p)modm(i)(p)

x(i)(p)=x(p)modm(i)(p)

计算过程如下：

h(0)(p)=h0,x(0)(p)=x0

h(1)(p)=h0+h1,x(1)(p)=x0+x1+x2

h(2)(p)=h0−h1,x(2)(p)=x0−x1+x2

Step 3：使用如下公式计算s′(i)(p)：

s′(i)(p)=h(i)(p)x(i)(p)modm(i)(p)

计算过程如下：

s′(0)(p)=h0x0

s′(1)(p)=(h0+h1)(x0+x1+x2)

s′(2)(p)=(h0−h1)(x0−x1+x2)

Step 4：根据公式3计算余数s′(p)，并利用如下公式计算被除数s(p)：

s(p)=s′(p)+hN−1xL−1m(p)

计算过程如下：

s(p)=s′(p)+h1x2m(p)=s′(0)(−p2+1)+s′(1)2(p2+p)+s′(2)2(p2−p)+h1x2m(p3−p)=s′(0)+p(s′(1)2−s′(2)2−h1x2)+p2(−s′(0)+s′(1)2+s′(2)2)+p3(h1x2)

这里用4个乘法和7个加法，替代了6个乘法和2个加法。

总的来说，Winograd algorithm是一个很复杂的算法，但是结论却很简单。因此，在具体的IC实现中，一般只针对特定常用尺寸的kernel，应用相应的结论即可。

Winograd这个知识点的复杂，其实主要还不在于算法本身，而是在于其前置了很多数论方面的知识。而我恰恰不具备这些知识，因此进展极度缓慢，前后用了近20天才看完了相关的内容。。。不过，收获很大^_^

FFT与卷积

FFT是加速卷积运算的一种常用方法。但由于其原理，当卷积核小的时候，是没什么加速的，当核是3或者5时，速度有时更慢或者相当，而在CNN中卷积的核大多数比较小，FFT起到的加速作用很小，所以基本没人用。

参见：

http://www.cnblogs.com/jianyingzhou/p/4303578.html

convolution,fft, 加速

参考

https://colfaxresearch.com/falcon-library/

FALCON Library: Fast Image Convolution in Neural Networks on Intel Architecture

https://www.intelnervana.com/winograd/

“Not so fast, FFT”: Winograd

https://www.encyclopediaofmath.org/index.php/Winograd_small_convolution_algorithm

Winograd small convolution algorithm