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！

龙图腾网获悉北京忆元科技有限公司申请的专利基于存算一体芯片进行神经网络模型训练的方法及装置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：CN119962597B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411890369.4，技术领域涉及：G06N3/063；该发明授权基于存算一体芯片进行神经网络模型训练的方法及装置是由刘云瑞设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于存算一体芯片进行神经网络模型训练的方法及装置在说明书摘要公布了：本申请公开一种基于存算一体芯片进行神经网络模型训练的方法及装置，包括：初始化初始神经网络模型的权重参数，获得每个网络层的初始权重值，根据初始权重值对存算一体芯片的电导值调整；将训练集输入初始神经网络模型，输出各训练样本的预测值，根据预测值和真值之间差异确定当前损失值；计算当前损失值对权重参数的误差梯度，根据误差梯度确定权重调整值；根据初始权重值与权重值边界之间的关系，将权重调整值量化到预设整数范围获得目标量化值；调用权重更新接口，沿着目标量化值表示的调整方向，对初始权重值调整，根据各网络层调整后的权重值对存算一体芯片的电导值进行调整，获得更新后的神经网络模型，继续训练直至获得目标神经网络模型。

本发明授权基于存算一体芯片进行神经网络模型训练的方法及装置在权利要求书中公布了：1.一种基于存算一体芯片进行神经网络模型训练的方法，其特征在于，所述方法应用于存算一体芯片，所述方法包括： 初始化初始神经网络模型的权重参数，获得所述初始神经网络模型每个网络层的初始权重值，并根据每个网络层的所述初始权重值对所述存算一体芯片的电导值进行调整，其中，同一权重参数所对应的权重值与所对应的电导值呈正相关关系； 将训练集输入所述初始神经网络模型中，输出每个训练样本的预测值，根据每个所述训练样本的预测值和真值之间的差异，确定当前损失值，其中，所述训练集包括多个所述训练样本和每个所述训练样本对应的真值； 计算所述当前损失值对每个网络层的权重参数的误差梯度，并根据每个网络层的误差梯度确定每个网络层的权重调整值，其中，所述权重调整值表示待调整的权重变化量； 针对每个网络层，根据所述网络层的初始权重值与权重值边界之间的关系，将所述权重调整值量化到预设整数范围内，获得所述权重调整值量对应的目标量化值，其中，所述预设整数范围内的不同量化值分别表示不同的调整方向； 针对每个网络层的所述初始权重值，调用权重更新接口，沿着所述初始权重值所对应的所述目标量化值表示的调整方向，对所述初始权重值进行调整，获得调整后的权重值，并根据每个网络层调整后的权重值对所述存算一体芯片的电导值进行调整，获得更新后的神经网络模型； 基于所述更新后的神经网络模型对所述训练集继续训练，直至所述当前损失值满足预设收敛条件或达到预设迭代次数阈值时，将所获得的神经网络模型作为目标神经网络模型； 针对每个网络层，根据所述网络层的初始权重值与权重值边界之间的关系，将所述权重调整值量化到预设整数范围内，获得所述权重调整值量对应的目标量化值，包括： 在当前网络层的初始权重值达到任一权重值边界的情况下，将所述当前网络层的权重调整值量化到所述预设整数范围内，获得初始量化值，并将所述初始量化值调整为反方向的量化值后，获得所述目标量化值，其中，当前网络层为当前待量化权重调整值的网络层； 在当前网络层的初始权重值未达到任一权重值边界的情况下，将所述当前网络层的权重调整值量化到所述预设整数范围内，获得初始量化值，并直接将所述初始量化值作为所述目标量化值。

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北京忆元科技有限公司，其通讯地址为：100083 北京市海淀区中关村东路1号院7号楼3层301；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”。