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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)申请的专利申威架构上面向CNN的批量矩阵乘并行优化方法及系统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：CN120508740B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202511020934.6，技术领域涉及：G06F17/16；该发明授权申威架构上面向CNN的批量矩阵乘并行优化方法及系统是由田敏;张龙;吴晓明;霍吉东;潘景山;郭莹;杜伟设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本申威架构上面向CNN的批量矩阵乘并行优化方法及系统在说明书摘要公布了：本发明提出了申威架构上面向CNN的批量矩阵乘并行优化方法及系统，属于人工智能并行优化技术领域；包括：将卷积层中的输入特征图和卷积核分别转换为输入矩阵和权重矩阵，并批量处理为多组独立的矩阵乘法任务；主核将矩阵乘法任务封装为参数结构体数组，通过单次DMA传输至从核，从核根据线程总数和矩阵高度，采用动态行块划分算法将输入矩阵的行划分为行块任务；并对分配的独立行块执行子矩阵乘法计算，采用双缓冲DMA异步预取矩阵子块，执行矩阵乘累加计算。本发明能够提高批量矩阵乘在申威处理器主从核间的并行处理效率，优化算法性能。

本发明授权申威架构上面向CNN的批量矩阵乘并行优化方法及系统在权利要求书中公布了：1.申威架构上面向CNN的批量矩阵乘并行优化方法，其特征在于，包括：所述并行优化方法由主核和多个从核实现； 所述主核的实现过程包括： 将CNN卷积层中的输入特征图和卷积核分别转换为输入矩阵和权重矩阵，并按批量处理形成多组独立的矩阵乘法任务； 将矩阵乘法任务中的参数封装为连续内存的参数结构体数组，通过单次DMA传输至从核，并触发从核程序启动信号； 所述参数结构体数组包含批量大小、矩阵维度参数、源矩阵内存地址以及目标矩阵内存地址；其中，所述批量大小与独立的矩阵乘法任务的组数相对应； 多个所述从核的实现过程包括： 异步读取所述参数结构体数组并自主推导任务范围；根据线程总数和矩阵高度，采用动态行块划分算法将输入矩阵的行划分为行块任务，每个从核线程按线程ID分配独立行块； 动态行块划分的数学公式表示为： ； 其中，表示每个线程需要处理的矩阵乘任务的行数，表示线程ID，表示所分配的从核线程数，表示矩阵高度； 所述动态行块划分算法的执行过程包括：计算输入矩阵的基础行数和余量行数，若从核线程的线程ID小于余量行数，则分配行数在基础行数的基础上加1，此时，起始行等于线程ID与所分配行数的乘积；若从核线程的线程ID不小于余量行数，则分配行数与基础行数一致，此时，起始行等于线程ID与所分配行数的乘积的基础上，与余量行数的相加值； 对分配的独立行块执行子矩阵乘法计算，并采用双缓冲DMA异步预取输入矩阵和权重矩阵的矩阵子块，执行矩阵乘累加计算，完成后将结果回传主存； 所述双缓冲DMA的执行过程包括：分别为输入矩阵和权重矩阵的子块分配两个LDM缓冲区；在计算当前子块时，异步预取下一子块至空闲缓冲区；通过DMA同步指令确保当前计算数据就绪，交替切换计算缓冲区与预取缓冲区。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心)，其通讯地址为：250000 山东省济南市长清区大学路3501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”。