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！

龙图腾网获悉南京大学申请的专利一种面向卷积神经网络加速的高实时性近似片上网络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：CN119474000B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411507882.0，技术领域涉及：G06F15/78；该发明授权一种面向卷积神经网络加速的高实时性近似片上网络是由傅玉祥;刘传柱;黎思越;范文杰;张恒;戴晨阳;李丽;李伟;何书专设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本一种面向卷积神经网络加速的高实时性近似片上网络在说明书摘要公布了：本发明涉及近似片上网络技术领域，公开了一种面向卷积神经网络加速的高实时性近似片上网络，结合神经网络的数据分布情况，提出基于数据分级的近似压缩和分段恢复方案，实现在降低通信开销的同时，保持神经网络推理精度；并提出一个质量控制模型，该模型能够快速搜索出满足质量损失约束的神经网络各层阈值，确保网络在进行近似通信的同时保持准确性；进一步提出基于拥塞感知的阈值动态调整方案，通过感知网络中的拥塞情况，动态调整每一层的近似阈值，以实现对数据压缩率的实时优化，从而有效缓解通信网络中的拥塞问题；结合近似通信后网络中的激活数据分布特征，优化计算阵列中的近似计算模块，提升计算阵列的整体效率，实现计算加速。

本发明授权一种面向卷积神经网络加速的高实时性近似片上网络在权利要求书中公布了：1.一种面向卷积神经网络加速的高实时性近似片上网络，其特征在于：包括： 一个在中心节点的全局阈值动态控制器和在每个节点中的本地控制器； 全局阈值动态控制器用于监视网络中的拥塞情况并根据拥塞情况调整每层节点的近似阈值；所述全局阈值控制器用于实现基于拥塞感知的阈值动态调整方案；所述基于拥塞感知的阈值动态调整方案是通过感知网络中的拥塞情况，动态调整每层节点的近似阈值；所述基于拥塞感知的阈值动态调整方案包括： 通过所述全局阈值控制器初始化每层节点的编号，并记录不同节点对应的网络层编号以及每层网络的节点数量，所述全局阈值控制器获取每层节点的拥塞情况，每层节点的拥塞情况通过本地缓冲区的空闲槽占有率进行衡量，若某层节点出现拥塞情况，将该节点的congest标志设置为1，并统计每层出现拥塞情况的节点数量，通过所述全局阈值控制器计算每一层出现拥塞情况的节点数量占该层总节点数的比例，以评估哪一层是最拥塞的，若出现最拥塞层有配置的近似阈值是一样的情况，则找出次拥塞层，并通过次拥塞层的不同配置的近似阈值决定所选取的配置信息； 本地控制器包括近似模块和恢复模块，近似模块按照全局阈值近似数据包，恢复模块根据数据包中头flit中的近似信息恢复数据包； 每个节点中的近似乘累加单元均采用与恢复数据包中分布特征相匹配的近似计算模块，近似计算模块包括稀疏重排模块、移位乘累加模块和近似乘累加模块；所述稀疏重排模块用于对输入数据进行零值稀疏化处理，得到激活数据，并对非零数据进行重排；移位乘累加模块通过识别恢复后的非零数据，通过移位的方式实现乘法；近似乘累加模块对近似通信过程中未经近似处理的激活数据进行计算；将移位乘累加模块和近似乘累加模块的结果进行归约，输出数据以进行下一级的传输； 所述近似通信包括数据分级压缩和恢复，所述数据分级压缩的逻辑包括： 设置近似阈值T0~Tn，若该层的激活数据小于T0，则将该层的激活数据的近似等级设定为0；若该层的激活数据位于T0与T1之间，则将该层的激活数据的近似等级设定为1，依此类推，对于大于Tn-1但小于Tn的激活数据，将该层的激活数据的近似等级设定为n-1；将被近似处理的激活数据的位置和近似等级记录至所述头flit中，生成近似信息，并从数据包中删除被近似处理的激活数据，对于大于Tn的激活数据不进行近似处理； 所述近似阈值是通过质量模型得到的；所述质量模型用于为网络的每一层确定满足质量损失约束的近似阈值，所述质量模型在GPU上执行并生成近似阈值的配置信息；所述质量模型的执行流程包括： 对每一层的激活数据进行排序，提取该层激活数据分布中位于前20%、前40%、前60%和前80%位置的数据值，找到距离这些数据值最近的能够用2^m+2^h+2^k形式表示的数据值作为该层的近似阈值，在完成每一层的近似阈值的选择后，遍历每层的所有近似阈值组合，在满足质量损失约束的配置中，选取使得网络数据压缩率最大的N个配置。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。

以上内容由龙图腾AI智能生成。