买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学;浙江浙能嘉兴海上风力发电有限公司申请的专利一种基于贝叶斯优化的神经网络轻量化及高效FPGA部署方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119849561B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510337331.2，技术领域涉及：G06N3/0464；该发明授权一种基于贝叶斯优化的神经网络轻量化及高效FPGA部署方法是由陈正东;刘宏森;周妙蓝;孟文超;杨秦敏设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。

本一种基于贝叶斯优化的神经网络轻量化及高效FPGA部署方法在说明书摘要公布了：本发明提出一种基于贝叶斯优化的神经网络轻量化及FPGA高效部署方法。先选边缘应用数据集与基准模型，采用L1正则化稀疏参数，剪枝后重新恢复模型性能。接着明确卷积层和全连接层量化范围与位宽，用贝叶斯优化找最优量化方案。借助hls4ml库将轻量化模型转为HLS工程，实现快速模型到硬件设计转换。针对不同FPGA型号，计算重用因子配置，控制HLS工程资源使用率在70％‑95％，并优化关键算子硬件逻辑。最后构建全流程自动化部署方案，涵盖轻量化、模型转换和综合实施阶段。该方法能将全精度CNN基准模型转化为满足边缘端低延时、低功耗需求的轻量化模型，实现目标硬件高效部署。

本发明授权一种基于贝叶斯优化的神经网络轻量化及高效FPGA部署方法在权利要求书中公布了：1.一种基于贝叶斯优化的神经网络轻量化及高效FPGA部署方法，其特征在于，包括： 步骤1，选择边缘应用数据集，并选定4层卷积结构作为基准模型； 步骤2，采用L1正则化进行参数稀疏化； 步骤3，完成剪枝后，保持稀疏连接结构不变，对剩余的稀疏连接重新训练，恢复基准模型性能，得到量化剪枝模型； 步骤4，明确量化适用于卷积层与全连接层的权重、激活，不改变输入数据类型的层无需量化； 步骤5，选择量化位宽； 步骤6，利用贝叶斯优化搜索最优量化方案，包括： 步骤6.1，利用贝叶斯优化算法，使用Horowitz能耗估计方法构建能耗目标函数，能耗目标函数考虑深度学习模型中计算操作、存储操作及数据传输操作的能耗； 步骤6.2，引入宽容因子FF的概念，FF的定义为：，其中，△acc表示可容忍的准确率下降百分比，R表示优化模型相较于原始模型必须达到的能耗降低比，S是一个调整因子，用于降低参考模型的数值比重，参数Cref和Ctrial分别代表参考模型的成本和正在测试的量化模型的成本； 步骤6.3，结合FF，自动量化搜索过程的目标函数fx被确定为：fx=Ctrial+α·Lacc·FF，其中Lacc是正常训练过程的准确率损失函数，α是该Lacc的加权因子； 步骤6.4，使用期望改进的采集函数ux选择下一个评估点，表达式为： 式中，ux用EIx表示，EIx为期望改进采集函数，E[·]表示数学期望，max·表示取最大值； 步骤6.5，采用基于贝叶斯优化的量化空间搜索算法执行自动量化搜索； 步骤7，借助hls4ml库，将轻量化后的量化剪枝模型自动转换为HLS工程，实现从模型到硬件设计的快速映射； 步骤8，针对不同FPGA型号，通过配置文件和硬件约束，结合量化剪枝模型每一层的参数量以及目标FPGA的DSP数量，计算出该层的重用因子作为转换配置，以确保生成的HLS工程各资源使用率不超过q；其中，q的取值范围在70％-95％之间； 步骤9，优化关键算子硬件逻辑； 步骤10，建立包括轻量化、模型转换和综合实施三个阶段的全流程自动化部署方案，实现模型设计到硬件部署的一站式解决方案。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学;浙江浙能嘉兴海上风力发电有限公司，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。