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！

龙图腾网获悉清华大学申请的专利辅以数字乘累加核心的存内计算神经网络加速器及加速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：CN119721148B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411703935.6，技术领域涉及：G06N3/063；该发明授权辅以数字乘累加核心的存内计算神经网络加速器及加速方法是由刘勇攀;贾弘洋;李耀雷;贾文彬;何以凡设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本辅以数字乘累加核心的存内计算神经网络加速器及加速方法在说明书摘要公布了：本发明提供一种辅以数字乘累加核心的存内计算神经网络加速器及加速方法，其中的加速器包括：顶层控制器用于根据操作指令动态重构存内计算核心模块、片上存储模块以及数字乘累加核心模块之间的数据通路；片上存储模块用于存储当前神经网络模型在运行过程中的数据；存内计算核心模块和数字乘累加核心模块用于基于动态重构的数据通路，根据操作指令从片上存储模块获取数据并执行对应的乘累加操作。该加速器通过在原有的存内计算神经网络加速器中引入一个轻量级的数字乘累加核心模块来辅助存内计算核心模块处理其不擅长的神经网络层，能够以较高的计算资源利用率运行多种神经网络模型，提高了加速器的计算资源利用率，从而提升了加速器的整体性能。

本发明授权辅以数字乘累加核心的存内计算神经网络加速器及加速方法在权利要求书中公布了：1.一种辅以数字乘累加核心的存内计算神经网络加速器，其特征在于，包括：顶层控制器、存内计算核心模块、片上存储模块以及数字乘累加核心模块；其中， 所述顶层控制器，用于接收来自片外用户的操作指令，并根据所述操作指令动态重构存内计算核心模块、片上存储模块以及数字乘累加核心模块之间的数据通路；其中，所述操作指令包括当前神经网络模型的网络结构及其对应的运算分配方案； 所述片上存储模块，用于存储所述当前神经网络模型在运行过程中的数据，所述数据至少包括模型权重参数、输入特征图以及输出特征图； 所述存内计算核心模块，用于基于动态重构的数据通路，根据所述运算分配方案从片上存储模块获取第一数据并执行对应的乘累加操作； 所述数字乘累加核心模块，用于基于动态重构的数据通路，根据所述运算分配方案从片上存储模块获取第二数据并执行对应的乘累加操作； 其中，所述第一数据和第二数据均包含于所述数据； 在所述当前神经网络模型为MobileNet的情况下，MobileNet包括深度可分离卷积层和逐点卷积层； 在MobileNet对应的运算分配方案中，所述数字乘累加核心模块运行所述深度可分离卷积层，所述存内计算核心模块运行所述逐点卷积层； 相应的，所述顶层控制器，具体用于根据MobileNet的网络结构及其对应的运算分配方案，动态重构存内计算核心模块、片上存储模块以及数字乘累加核心模块之间的第一数据通路； 在所述第一数据通路中，所述数字乘累加核心模块从所述片上存储模块中读取深度可分离卷积层的输入特征图，并在完成深度可分离卷积层运算后将其输出特征图送入所述存内计算核心模块，所述存内计算核心模块在完成逐点卷积层运算后将其输出特征图写回所述片上存储模块中，在这个过程中，所述数字乘累加核心模块与所述存内计算核心模块以流水线的方式运行； 在所述当前神经网络模型包括标准3×3卷积层的情况下； 在标准3×3卷积层对应的运算分配方案中，所述存内计算核心模块运行89的乘累加运算，所述数字乘累加核心模块运行19的乘累加运算； 相应的，所述顶层控制器，具体用于根据标准3×3卷积层及其对应的运算分配方案，动态重构存内计算核心模块、片上存储模块以及数字乘累加核心模块之间的第二数据通路； 在第二数据通路中，所述存内计算核心模块从所述片上存储模块中读取89的标准3×3卷积层的输入特征图，所述数字乘累加核心模块从所述片上存储模块中读取19的标准3×3卷积层的输入特征图，所述存内计算核心模块与所述数字乘累加核心模块完成各自对应比例的乘累加运算，并将对所述存内计算核心模块的运算结果与所述数字乘累加核心模块的运算结果进行求和得到的输出特征图写回所述片上存储模块中，在这个过程中，所述数字乘累加核心模块与所述存内计算核心模块以并行的方式运行。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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”。

以上内容由龙图腾AI智能生成。