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！

龙图腾网获悉合肥工业大学申请的专利基于层间和层内混合精度运算的深度神经网络加速器系统及计算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：CN115729697B 。

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：202210164826.6，技术领域涉及：G06F9/50；该发明授权基于层间和层内混合精度运算的深度神经网络加速器系统及计算方法是由倪伟;冉敬楠;陈世宇;宋宇鲲;张多利设计研发完成，并于2022-02-22向国家知识产权局提交的专利申请。

本基于层间和层内混合精度运算的深度神经网络加速器系统及计算方法在说明书摘要公布了：本发明公开了一种基于层间和层内混合精度运算的深度神经网络加速器系统及计算方法，包括主控制器、指令存储器、权值缓存地址控制器、特征图缓存地址控制器、高位数据编码索引表、权值缓存模块组、特征图缓存模块组、乘累加阵列和量化器组；指令存储器用于存储指令码；主控制器根据指令码控制其他模块；权值缓存地址控制器和特征图缓存地址控制器用于数据搬运；高位数据编码索引表用于存储层内混合精度计算的信息；权值缓存模块组和特征图缓存模块组用于缓存权值和特征图；乘累加阵列用于实现乘累加操作；量化器组用于量化过渡和激活函数。本发明能提高并行度、降低访存次数并降低量化误差，适用于深度神经网络的量化模型在边缘设备的部署。

本发明授权基于层间和层内混合精度运算的深度神经网络加速器系统及计算方法在权利要求书中公布了：1.一种基于层间和层内混合精度运算的深度神经网络加速器系统，其特征包括：主控块、存储块、存储控制块和计算块； 所述主控块包括：主控制器和指令存储器； 所述存储块包括：权值缓存模块组和特征图缓存模块组； 所述存储控制块包括：权值缓存地址控制器、特征图缓存地址控制器和高位数据编码索引表； 所述计算块包括：权值共享缓存、特征图共享缓存、乘累加阵列和量化器组； 所述指令存储器用于存储上位机发送的指令码，所述指令码包括：映射指令、偏置加载指令、计算指令、量化指令和结束指令； 所述主控制器在上位机发送的命令下启动并依次从所述指令存储器读取当前指令； 若读取到的当前指令解析为所述映射指令，则所述主控制器根据映射指令内的指令信息将映射配置信息发送至所述计算块，所述计算块根据所述映射配置信息重构所述权值共享缓存至所述特征图共享缓存、所述特征图共享缓存至所述乘累加阵列、所述权值缓存模块组至特征图缓存模块组、特征图缓存模块组至所述乘累加阵列之间的数据路径； 若读取到的当前指令解析为所述偏置加载指令，则所述主控制器将所述偏置加载指令内的偏置信息发送至所述权值缓存地址控制器，使得所述权值缓存地址控制器根据所述偏置信息产生访问信号并发给所述权值缓存模块组，所述权值缓存模块组将偏置信息加载至所述乘累加阵列； 若读取到的当前指令解析为所述计算指令，则所述主控制器解析将所述计算指令内的计算配置信息发送至所述乘累加阵列，并将所述计算指令内的操作数信息分别发送至所述权值缓存地址控制器和所述特征图缓存地址控制器；所述权值缓存地址控制器和所述特征图缓存地址控制器均产生存储控制信号后分别发给所述权值缓存模块组和所述特征图缓存模块组；所述权值缓存模块组和所述特征图缓存模块组将自身的计算数据分别搬运至所述权值共享缓存和所述特征图共享缓存；所述乘累加阵列根据所述计算配置信息重构计算精度后接收所述权值共享缓存和所述特征图共享缓存各自发来的操作数并完成计算； 若读取到的当前指令解析为所述量化指令，则所述主控制器将所述量化指令内的量化配置信息和写回信息发送至所述量化器组；所述量化器组根据所述量化配置信息对所述乘累加阵列发来的计算结果进行量化后，再根据所述写回信息将量化结果写回所述特征图缓存模块组； 若读取到的当前指令解析为所述结束指令，则所述主控制器向所述上位机发送完成信号后进入空闲状态；所述存储层将最终计算结果发送至外部存储器以等待上位机读取。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。