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！

龙图腾网获悉长沙行深智能科技有限公司申请的专利一种基于FPGA的卷积神经网络量化实现方法以及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：CN114154631B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202111454682.X，技术领域涉及：G06N3/063；该发明授权一种基于FPGA的卷积神经网络量化实现方法以及装置是由孟德远;安向京;胡庭波;李世星设计研发完成，并于2021-11-30向国家知识产权局提交的专利申请。

本一种基于FPGA的卷积神经网络量化实现方法以及装置在说明书摘要公布了：本发明公开一种基于FPGA的卷积神经网络量化实现方法以及装置，该量化实现方法包括量化CNN卷积核步骤，包括：将CNN卷积层分解为逻辑运算与加法运算的组合，转换为N×N卷积逻辑核；在FPGA中使用多个LUT分别实现逻辑运算以及加法运算，以实现N×N卷积逻辑核。本发明能够充分利用FPGA的强大逻辑运算能力，高效的实现CNN网络低位量化。

本发明授权一种基于FPGA的卷积神经网络量化实现方法以及装置在权利要求书中公布了：1.一种基于FPGA的卷积神经网络量化实现方法，其特征在于，该方法包括量化卷积核步骤，包括： 将CNN卷积层分解为逻辑运算与加法运算的组合，转换为N×N卷积逻辑核，N为大于2的正整数； 在FPGA中使用多个LUT分别实现所述逻辑运算以及加法运算，以实现所述N×N卷积逻辑核；所述N×N卷积逻辑核，通过将所述CNN卷积层中量化激活值按照预设量化位数进行按位拆分，分解为多个同或运算与多个加法运算的组合得到；所述N×N卷积逻辑核中包括转换后量化卷积参数与输入的量化激活值的各个位之间的同或运算，卷积逻辑核中各运算部分均使用1位进行表示； 该方法还包括采用边训练边量化的前量化方法的网络训练量化步骤，包括： 构造初始CNN网络N并进行训练，得到预训练模型BWN-model； 定义激活值量化位数q，将所述初始CNN网络N中的激活层替换为预设的激活层QRelu层，形成更新后CNN网络QN，QRelu层的激活值定义为：，其中，为QRelu层的量化系数，初始值为;为QRelu层的输入激活值，为QRelu层的输出激活值,a、b为预设阈值； 将所述预训练模型BWN-model的各层权重加载到所述更新后CNN网络QN中，并对所述更新后CNN网络QN进行训练，直至训练完成。

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长沙行深智能科技有限公司，其通讯地址为：410000 湖南省长沙市长沙经济技术开发区东六路南段77号长沙科技新城C3栋；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。