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！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种支持多种硬件的深度学习模型编译方法及编译器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：CN119045823B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410642450.4，技术领域涉及：G06F8/41；该发明授权一种支持多种硬件的深度学习模型编译方法及编译器是由郭嘉丰;程学旗;杨俣哲;李琳;张志斌;廖华明;邱强设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本一种支持多种硬件的深度学习模型编译方法及编译器在说明书摘要公布了：本发明提供了一种支持多硬件的深度学习模型编译方法和编译器，包括：获取需要编译的深度学习模型的计算图与目标设备信息；将目标设备信息基于预设的硬件模型转换为硬件属性中间形式，基于深度学习模型的基本操作获取线性操作中间形式，基于深度学习模型的张量，获取张量形状中间形式；基于张量与张量形状中间形式，获取内存中间形式，并采用异构内存传输折叠方法优化内存拷贝行为；基于获取的线性操作中间形式获取循环中间形式，采用融合、堆叠、向量化的方法，优化循环中间形式中的循环，并转化为向量中间形式，基于预设的计算模型获取异构设备数据操作规则中间形式；基于前面获取的多个中间形式，获取可在目标设备进行推理的可执行代码。

本发明授权一种支持多种硬件的深度学习模型编译方法及编译器在权利要求书中公布了：1.一种支持多硬件的深度学习模型编译方法，用于将深度学习模型编译为编译可在目标设备上进行模型推理的可执行代码，其特征在于，所述方法包括： 信息获取步骤：获取需要编译的深度学习模型的计算图与目标设备信息，其中，所述计算图至少包括该深度学习模型的基本操作与张量； 逻辑生成步骤：将目标设备信息基于预设的硬件模型转换为硬件属性中间形式，基于深度学习模型的基本操作获取线性操作中间形式，基于深度学习模型的张量，获取张量形状中间形式； 内存化步骤：基于获取的深度学习模型的张量与张量形状中间形式，获取内存中间形式，并采用第一预设方法优化内存中间形式中每个内存段对应的内存拷贝行为； 循环处理步骤：基于获取的线性操作中间形式获取循环中间形式，采用第二预设方法，根据硬件属性中间形式，选取相应的策略优化循环中间形式中的循环，并将优化后的循环转化为向量中间形式，此外，基于预设的计算模型获取异构设备数据操作规则中间形式； 硬件代码生成步骤：基于逻辑生成步骤中获取的硬件属性中间形式、内存化步骤中获取的内存中间形式、循环处理步骤中获取的循环中间形式获取可在目标设备进行推理的可执行代码，其中，硬件属性中间形式表示的硬件信息决定可执行代码适配的硬件设备。

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中国科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6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。