我在MATLAB中实现了卷积神经网络，但我的实现耗时过长。我已经确定了耗时较多的部分。以下是与最大池化相关的代码：

%分块操作fun = @(block_struct) max_matrix(block_struct.data);%下采样maxpool = cell(number_feature_map,1);for i=1:number_feature_map     maxpool{i}=blockproc(y{i},[2 2],fun);endfunction [maximum]=max_matrix(A)maximum=max(A(:));

如果没有这个下采样步骤，收敛只需要2分钟。
如何使其更高效？

回答：

你可以使用kron来创建块的索引，并使用accumarray对每个块应用max函数，而不是使用blockproc。假设行数和列数都是偶数，并且假设data是大小为[6,8]的随机矩阵

r = 6 ,c=8idx = kron(reshape(1:(r*c/4),c/2,[]).',ones(2))for ii=1:number_feature_map    data = rand(r,c);    maxpool{ii} = reshape(accumarray(idx(:),data(:),[],@max),c/2,[]).';end