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！

龙图腾网获悉西北工业大学申请的专利一种面向FPGA资源的神经网络可重构配置映射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：CN116245150B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310174934.6，技术领域涉及：G06N3/063；该发明授权一种面向FPGA资源的神经网络可重构配置映射方法是由张盛兵;张萌;李鑫;张伟设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本一种面向FPGA资源的神经网络可重构配置映射方法在说明书摘要公布了：本发明公开了一种面向FPGA资源的神经网络可重构配置映射方法，涉及嵌入式人工智能系统技术领域，包括以下步骤：根据不同任务需求调整FPGA平台，构建面向资源约束的多种映射方案；通过分析不同FPGA平台的资源特征，建立映射评估模型，对多种映射方案进行评估，分析不同映射方案之间的差异以及在不同FPGA平台上的表现差异；根据应用领域部署不同神经网络算法，构建部分可重构映射调整方案。本发明面向FPGA平台资源特征进行分析，通过进行资源约束，有效减小映射空间。在某一资源受限时，通过相同逻辑不同资源的替换方法，进一步探索加速器性能边界。支持FPGA部分可重构方法下的配置映射方法，通过分析目标平台部分可重构后的资源变化及参数调整，可以快速完成新的映射方案。

本发明授权一种面向FPGA资源的神经网络可重构配置映射方法在权利要求书中公布了：1.一种面向FPGA资源的神经网络可重构配置映射方法，其特征在于，包括以下步骤： 根据不同任务需求调整FPGA平台，构建面向资源约束的多种映射方案； 通过分析不同FPGA平台的资源特征，建立映射评估模型，对多种映射方案进行评估，分析不同映射方案之间的差异以及在不同FPGA平台上的表现差异； 根据应用领域部署不同神经网络算法，构建部分可重构映射调整方案； 构建所述面向资源约束的多种映射方案具体包括以下步骤： 结合FPGA平台的资源特征，提取具有共同特征的加速器结构参数及运行参数，为资源约束的评估方法和性能预测模型的构建提供支持； 结合计算数据依赖关系以及神经网络结构参数，进行资源自适应的架构设计，针对加速器系统架构进行计算系统性能预测以及硬件结构适应性评估； 根据评估结果选择并确定最优的智能计算系统架构及其硬件映射方案； 在进行资源自适应的架构设计过程中，使用FPGA资源作为约束以减小设计空间，并通过一个性能预测的评估模型进行映射方法的最优化选择；通过重用因子和资源利用率作为约束以减小设计空间； 按照确定的FPGA内计算阵列规模、数据复用方法确定片上数据带宽需求，由此对存储体输出带宽进行约束；对于需要进行缓存数据导致的存储资源的开销受到FPGA中BRAM资源约束，对于需要执行的计算任务导致的计算资源的开销受到FPGA中DSP资源的约束； 当所述存储资源受限后，需要调整计算部件各组织层次的任务分配策略以满足存储资源约束；若调整计算任务分配策略后仍无法满足约束条件，则减小计算部件规模并重新开始架构搜索； 当所述计算资源受到约束后，需要根据计算任务进行额外计算部件的构建，根据预先使用LUT资源构建的高效乘加法器替代必要的DSP资源缺口； 除所述计算资源和存储资源外，映射方案也会受到FPGA接口资源限制，当计算阵列规模大时，需要通过总线接口进行片外存储访问；当总线传输速率难以满足计算需求时，同时使用片外带宽优化和片内缓冲区访问优化方案； 构建部分可重构映射调整方案具体包括以下步骤： 确定神经网络加速器内部调整内容，包括神经网络算子加速单元的加载、卸载、修改，计算阵列规模调整和存储阵列规模调整； 在调整后的加速器上确定资源约束限制； 结合神经网络算法重新确定映射方案； 所述加速器调整内容用于更新映射模型参数列表，包括算法参数以及体系结构参数；所述算法参数包括卷积核尺寸、特征图尺寸、输入输出、滑动步长和激活方法，所述体系结构参数计算阵列规模、存储阵列规模和接口带宽； 更新后的参数信息作为新的约束条件进行映射方案的重新确定，按照所述面向资源约束的多种映射方案，在FPGA局部重构后，在更新后的映射空间边界内完成映射方案的确定。

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西北工业大学，其通讯地址为：710129 陕西省西安市长安区东大镇东祥路1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。