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！

龙图腾网获悉北京燧原智能科技有限公司申请的专利深度学习模型的芯片适配方法、装置、芯片及介质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：CN115496181B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211097767.1，技术领域涉及：G06N3/044；该发明授权深度学习模型的芯片适配方法、装置、芯片及介质是由郭敬明;张克俭;田宏泽;周晨君;孙清阁;梁维斌设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本深度学习模型的芯片适配方法、装置、芯片及介质在说明书摘要公布了：本发明公开了深度学习模型的芯片适配方法、装置、芯片及介质。包括：加载待适配的目标模型，根据目标算力计算单元的目标精度和目标模型的参数精度间的数值关系，验证是否满足芯片适配条件；若是，则加载各输入向量集和隐藏状态向量数据范围，并搬运至目标内存中，调用内置的各计算指令，执行：根据各输入向量集和隐藏状态向量数据范围，得到输入向量量化尺度和隐藏状态向量量化尺度，并根据目标精度以及每个门结构的输入权重矩阵和循环权重矩阵，计算得到对应的输入权重量化矩阵、循环权重量化矩阵和量化尺度，输出至引擎文件中，以生成适配后的目标模型。通过本发明实施例的技术方案，能够降低量化计算的复杂度，提升参数量化的效率。

本发明授权深度学习模型的芯片适配方法、装置、芯片及介质在权利要求书中公布了：1.一种深度学习模型的芯片适配方法，由机器学习芯片执行，其特征在于，包括： 加载待适配的目标模型，目标模型包括至少一个循环神经网络，循环神经网络包括至少一个网络单元，网络单元包括至少一个门结构，门结构具有输入权重矩阵和循环权重矩阵； 根据机器学习芯片中目标算力计算单元的目标精度和待适配的目标模型的参数精度之间的数值关系，验证是否满足对目标模型的芯片适配条件； 若是，则加载与各循环神经网络分别匹配的输入向量集和隐藏状态向量数据范围； 将各所述循环神经网络、输入向量集和隐藏状态向量数据范围通过至少一级内存搬运的方式，搬运至机器学习芯片中与计算单元贴近设置的目标内存中； 通过各计算单元根据目标内存中的数据，调用机器学习芯片中内置的各计算指令，执行下述操作： 根据与循环神经网络匹配的输入向量集和隐藏状态向量数据范围，计算得到输入向量量化尺度和隐藏状态向量量化尺度； 根据所述目标精度、输入向量量化尺度、隐藏状态向量量化尺度以及每个门结构的输入权重矩阵和循环权重矩阵，计算得到与每个门结构分别对应的输入权重量化矩阵、循环权重量化矩阵和量化尺度； 将与每个门结构分别对应的输入权重量化矩阵、循环权重量化矩阵和量化尺度输出至引擎文件中，以生成适配后的目标模型。

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北京燧原智能科技有限公司，其通讯地址为：100191 北京市海淀区知春路23号14层1401、1403、1405、1407室；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。