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！

龙图腾网获悉广东工业大学申请的专利一种基于深度学习的AI加速器的硬件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：CN117993452B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202410149739.2，技术领域涉及：G06N3/063；该发明授权一种基于深度学习的AI加速器的硬件装置是由胡湘宏;符善森;林元妙;李学铭;黄宏敏;熊晓明;蔡述庭;詹瑞典设计研发完成，并于2024-02-02向国家知识产权局提交的专利申请。

本一种基于深度学习的AI加速器的硬件装置在说明书摘要公布了：本发明公开了一种基于深度学习的AI加速器混合量化方法及硬件设计，该方法包括根据经验值、卷积核的尺寸参数以及需要量化的比特数确定初始的基二维张量；基于初始的基二维张量设置阈值二维张量；提取所述原始权重的符号值，并保存在第一三维张量中；基于阈值二维张量和量化的权重值得到第二三维张量。该硬件设计包括卷积计算单元、处理阵列单元、乘累加模块和加法树模块。通过使用本发明能够实现一个网络内不同层参数的混合量化，合理的将影响程度不同的网络参数量化为不同比特，提高轻量化网络的性能和准确率。本发明可广泛应用于芯片技术领域。

本发明授权一种基于深度学习的AI加速器的硬件装置在权利要求书中公布了：1.一种基于深度学习的AI加速器的硬件装置，其特征在于： 权重量化方法包括以下步骤： 根据场景任务获取神经网络模型的卷积核参数； 根据经验值、卷积核的尺寸参数以及需要量化的比特数确定初始的基二维张量； 根据需要量化的比特数确定0和1的所有组合可能，得到第一二维张量； 设置量化的阈值，并保存在第二二维张量中； 基于第一二维张量和初始的基二维张量的矩阵乘积，得到第三二维张量； 对第三二维张量进行排序，得到第四二维张量和序号张量； 基于第四二维张量和第二二维张量的矩阵乘法，得到第五二维张量； 对需要被量化的原始权重进行转换，得到第六二维张量； 提取所述原始权重的符号值，并保存在第一三维张量中； 取所述原始权重的绝对值，并结合第五二维张量的所有值在第四二维张量中选择量化的权重，保存到第七二维张量中； 基于所述选择量化的权重值在第一二维张量中找到对应位置的值，得到第二三维张量； 将第一三维张量进行降维，并基于得到的第八二维张量对第七二维张量的权重符号进行修改，得到修正的第七二维张量； 针对权重量化方法量化得到的权重数据格式，设计卷积计算单元，包含若干个处理阵列单元，其中： 所述处理阵列单元包含若干个乘累加模块； 所述乘累加模块包含加法树模块； 所述加法树模块用于对输入激活和修正后的向量位进行累加操作； 所述乘累加模块基于加法树模块的输出与基底数据进行乘积操作，并对乘积结果进行累加，输出乘累加的中间值结果； 所述处理阵列单元对乘累加模块输出的中间值结果进行累加，直到一个卷积核和对应区域内部的输入激活的卷积操作完成； 所述卷积计算单元用于同时进行多个卷积操作。

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广东工业大学，其通讯地址为：511400 广东省广州市番禺区小谷围街道广东工业大学大学城校区；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。