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！

龙图腾网获悉上海交通大学申请的专利面向张量计算单元卷积算子优化实现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：CN115983356B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202111195567.5，技术领域涉及：G06N3/063；该发明授权面向张量计算单元卷积算子优化实现方法是由文敏华;陈金坤;丁丹迪;王一超;韦建文;林新华设计研发完成，并于2021-10-14向国家知识产权局提交的专利申请。

本面向张量计算单元卷积算子优化实现方法在说明书摘要公布了：一种面向张量计算单元卷积算子优化实现方法，通过深度学习编译器的DSL表示卷积算子，经对卷积计算进行坐标变换得到隐式通用矩阵乘法的计算表示；然后对卷积算子进行调度优化得到调度模板后，经搜索得到最优搜索参数并通过深度学习编译器的后端生成CUDAC代码，再将生成的CUDAC代码集成入神经网络，实现卷积神经网络在NVIDIAGPU平台上的推理速度提升。本发明能够提升半精度计算中卷积算子自动代码生成的性能，为神经网络推理计算中融合算子的自动代码生成的性能提供保证。

本发明授权面向张量计算单元卷积算子优化实现方法在权利要求书中公布了：1.一种面向张量计算单元卷积算子优化实现方法，其特征在于，通过深度学习编译器的DSL表示卷积算子，经对卷积计算进行坐标变换得到隐式通用矩阵乘法的计算表示；然后对卷积算子进行调度优化得到调度模板后，经搜索得到最优搜索参数并通过深度学习编译器的后端生成CUDAC代码，再将生成的CUDAC代码集成入神经网络，实现卷积神经网络在NVIDIAGPU平台上的推理速度提升； 所述的对卷积算子进行调度优化得到调度模板，具体包括： 步骤1对输入数据、权重数据以及输出结果分别进行局部存储器和张量寄存器的缓存； 步骤2利用半精度浮点类型存储空间小的特点，对缓存读写步骤进行双缓冲调度优化； 步骤3利用半精度浮点类型读写带宽高的优势，对缓存读写步骤进行向量化调度优化； 步骤4对计算维度进行切分，即将GEMM_M维度切分为bm,tm,om,im四个维度；将GEMM_N维度切分为bn,tn,on,in四个维度；根据切分参数im、in将GEMM_K切分为ok,ik两个维度； 步骤5进行GPU的线程块绑定和线程绑定，即分别将切分出的维度bm绑定至blockIdx.y、tm绑定至threadIdx.y、bn绑定至blockIdx.x、in绑定至threadIdx.x； 步骤6将未绑定的计算维度，映射为wmma::mma_sync表示的GEMM计算；经绑定后实现每个线程块将计算om*on个GEMM，计算的结果尺寸为im*in。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。