不牺牲速度改变基础：一种适用于深度神经网络的GPU高效替代矩阵乘法的方法

本研究提出了一种新的双线性算子替代深度神经网络中的矩阵乘法，解决了现有技术在推理加速中的不足。该算子在不减少（实际上增加）可训练参数数量的情况下，显著降低了计算量并提高了准确性。通过与最先进的基准比较，验证了本方法在计算效率和性能上的双重优势。