摘要。卷积神经网络（CNN）是一项在图像处理和计算机视觉应用方面非常重要的技术。CNN的瓶颈是多维卷积，通常需要加速器硬件。这些加速器使用的卷积算法直接影响缩放期间速度增加与硬件资源消耗之间的比率，这是一种称为硬件效率的度量。该指标越低，在较小的性能改进上花费的功率和区域越多。在这篇综述中，我们分析了卷积层中使用的当前验证算法的硬件效率的潜力：大多数现代应用，Toom-Cook卷积和FFT卷积使用的IM2COL卷积。我们的分析揭示了有关硬件缩放的IM2COL卷积的效率低下，并确认了使用Toom-Cook和FFT卷积的硬件有效应用的潜力，每个应用程序都带有警告。此外，我们确定了这些算法的可能硬件应用程序，这些应用程序可以在未来的工作中扩展。