ARM系统下基于硬件优化库实现大核矩阵卷积乘法的问询

首先明确：CMSIS-DSP库仅支持向量卷积，没有原生的矩阵卷积乘法实现。针对ARM大核（如Cortex-A系列）的矩阵卷积需求，以下是几个经过硬件优化的成熟库选项：

• ARM Compute Library（ACL）
  ARM官方推出的高性能计算库，深度适配ARM架构（包括Cortex-A、Cortex-R大核），利用Neon指令集做了全面加速。它提供了完整的1D/2D/3D矩阵卷积实现，能根据目标硬件自动调度最优计算路径，是大核场景下卷积运算的首选方案之一。

• TensorFlow Lite for Microcontrollers
  虽主打微控制器场景，但对Cortex-A系列大核有良好支持，内置Neon优化的卷积核实现。如果你的矩阵卷积用于AI推理场景，可直接调用其优化后的接口，还支持量化等性能优化手段。

• OpenCV（ARM优化版）
  OpenCV针对ARM架构做了Neon指令集优化，通过filter2D等函数可实现矩阵卷积操作，在大核上能充分利用硬件资源。若你的应用涉及计算机视觉相关卷积需求，OpenCV是成熟且易用的选择。

若需要高度定制的实现，也可基于ARM Neon指令集手动编写矩阵卷积的优化代码，结合CMSIS-DSP的基础向量运算函数来构建，但这要求开发者具备Neon指令的相关知识。

内容的提问来源于stack exchange，提问作者euraad