Winograd快速卷积算法，能够实现3x3或5x5二维卷积的加速，具体参考链接：点击打开链接
"Efficient Sparse-Winograd Convolutional Neural Networks"这篇文章将ReLU引入到Winograd域，并在Winograd域对权重剪枝，可实现稀疏加速。优点：用CUDA自定义了底层TensorFlow OP，支持3x3 Conv2D（stride=1）；缺点：主要存在一定的局限性，首先需要借助pooling实现降采样，其次暂不支持其他尺寸的Conv2D，且权重定义在winograd域，不方便预训练模型的使用，通常需要train from scratch。
基于Sparse-Winograd CNN，Resnet18在ImageNet 2012上的训练过程如下（TensorPack作为训练平台）：
详细内容请参考如下链接：
论文地址：https://openreview.net/forum?id=HJzgZ3JCW
GitHub地址：https://github.com/xingyul/Sparse-Winograd-CNN